基于轻量级卷积神经网络MobileNetV2的混凝土结构裂缝识别

作者：范立军

来源：工业建筑, 2023, 53(07): 231-236.

DOI：10.13204/j.gyjzG23021618

• 深度学习
• 卷积神经网络
• 混凝土结构
• MobileNetV2
• 裂缝

混凝土结构随着服役时间的增长，产生的裂缝会不断扩展并可能对结构造成损伤。因此，裂缝检测对于混凝土结构健康监测有着重要意义，但超声及基于人工视觉等传统检测方法无法大量快速地对裂缝进行分类检测。为此提出一种基于移动网络(MobileNetV2)轻量级卷积网络和谷歌张量流图(TensorFlow)深度学习框架的混凝土结构裂缝快速识别分类的预测模型。首先，基于路径库存(pathlib)方法对数据进行提取并划分数据集；其次，基于迁移学习的数据增强对数据集进行扩充；再次，在TensorFlow框架下利用深度学习的接口(Keras)来构建卷积网络的池化层等；最后，建立构建完整卷积网络架构并输出结果。试验结果表明：模型收敛时，预测精度达到0.997 5,训练时间仅为710 s,可以为工程现场的移动设备检测提供帮助。

• 单位
  中铁建设集团有限公司