基于深度学习的钢桥病害分割与量化

作者：朱劲松; 李欢

来源：东南大学学报(自然科学版), 2022, 52(03): 516-522.

• 钢桥
• 病害分割
• 病害量化
• 实例分割
• 深度学习

为解决传统钢桥表面病害难以量化的难题，提出了一种基于深度学习的钢桥病害分割与量化方法.该方法以SOLOv2实例分割网络为基础，将其原ResNet骨干网络替换为VoVNet57网络进行检测与分割.依据分割的病害掩码，增添检测框，计算病害像素值，并转化为实际面积，完成量化.采集涂层劣化、腐蚀、焊缝开裂等钢桥病害图像共计314幅，数据增强后，得到3 241幅病害图像，按4∶1划分训练集和测试集，用Labelme软件进行人工标注.经20 000次训练后，得到63.45%的平均精度(mAP),而TensorMask、BlendMask、未改进SOLOv2的训练mAP值分别为55.89%、56.67%、58.25%.同时，将网络输出的病害尺寸量化值和病害尺寸实际值进行对比得到，涂层劣化和腐蚀病害面积相对误差集中在10%以内，焊缝开裂长度相对误差集中在8%以内.所提出的方法可实现钢桥多病害快速、精确的分割与量化，为钢桥智能检测评估提供了技术支撑.

• 单位
  天津大学; 建筑工程学院