資訊內(nèi)容
/
研究亮點(diǎn)
一種基于改進(jìn)的Unet的混凝土裂縫檢測算法研究
發(fā)布時(shí)間： 2022-09-20 點(diǎn)擊數(shù)量：2295研究背景：
在混凝土結(jié)構(gòu)的服役周期內(nèi)，表面裂縫是一種評(píng)價(jià)混凝土結(jié)構(gòu)健康狀態(tài)的重要指標(biāo)。但是無論是在實(shí)驗(yàn)室中還是在實(shí)際工程中，識(shí)別裂縫都是一項(xiàng)非常復(fù)雜的任務(wù)。而人工識(shí)別裂縫存在著各種缺陷，包括耗費(fèi)時(shí)間長、評(píng)估主觀等。隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，使用計(jì)算機(jī)視覺技術(shù)自動(dòng)話地識(shí)別混凝土裂縫成為當(dāng)下研究的熱點(diǎn)。但是計(jì)算機(jī)視覺識(shí)別裂縫依然存在一些問題，包括無法實(shí)現(xiàn)像素級(jí)的檢測，檢測精度不高等問題。
創(chuàng)新點(diǎn)：
本文提出了一種基于改進(jìn)的Unet的混凝土裂縫像素級(jí)檢測算法，主要包括以下三個(gè)創(chuàng)新點(diǎn)：1）提出了一種可以實(shí)現(xiàn)對(duì)混凝土裂縫的像素級(jí)檢測模型Crack_Unet；2）改善了模型，提高了模型的訓(xùn)練速度和檢測精度3）研究了數(shù)據(jù)集規(guī)模及模型規(guī)模對(duì)裂縫檢測模型的性能的影響。本文所提方法的實(shí)現(xiàn)流程如圖1所示。所使用的深度學(xué)習(xí)模型如圖2所示。
研究結(jié)果表明，在使用較小數(shù)據(jù)集訓(xùn)練的前提下，本文所提方法檢測精度相比較于現(xiàn)有方法依然有明顯提升。本文方法還在開源數(shù)據(jù)集CFD上進(jìn)行了驗(yàn)證，檢測結(jié)果進(jìn)一步證明了本文所提方法的優(yōu)越性,如圖3所示。最后，通過對(duì)比分析發(fā)現(xiàn)，對(duì)于裂縫檢測這種任務(wù)而言，檢測精度并不會(huì)隨著模型規(guī)模的增大而無限制的提高，如圖4所示。因此，需要針對(duì)不同的任務(wù)選擇不同體量的模型，以達(dá)到精度與效率的平衡。
該成果在結(jié)構(gòu)健康監(jiān)測領(lǐng)域的國際權(quán)威期刊《Structural Health Monitoring-An International Journal》發(fā)表。(Zhang Lingxin, Shen Junkai*, Zhu Baijie. A research on an improved Unet-based concrete crack detection algorithm [J]. Structural Health Monitoring, 2021, 20(4): 1864-1879. DOI: https://doi.org/10.1177/1475921720940068) (IF: 5.929, *通訊作者)
圖1 方法實(shí)現(xiàn)流程圖
圖2 Crack_Unet模型結(jié)構(gòu)示意圖
圖3 本文方法與其他方法對(duì)比
圖4 本文模型性能驗(yàn)證
