基于改进TResNet的下水道缺陷识别算法

作者：晏润冰; 李明辉^*; 李煜博; 张梦圆; 李金彪; 张奇

来源：西安理工大学学报, 2023, 39(04): 567-575.

DOI：10.19322/j.cnki.issn.1006-4710.2023.04.013

• 下水道缺陷识别
• 多标签分类
• TResNet
• 特定类别的残差注意力模块

同一张下水道图像可能同时反映多种类型的下水道缺陷，所以应对下水道图像进行多标签缺陷预测。为了进一步解决城市下水道复杂场景中缺陷的多标签自动分类问题，本文提出了一种两阶段的下水道缺陷类型识别方法。第一阶段，使用二分类卷积神经网络(CNN)模型检测下水道图像是否存在缺陷；第二阶段，使用改进TResNet模型对下水道图像具体缺陷类型进行多标签分类，该模型在TResNet基础上引入了捕获空间相关类别信息的特定类别残差注意力(CSRA)模块，从而提升了网络的多标签识别能力。考虑到不同类型缺陷造成的经济影响程度不同，使用加权缺陷类别经济影响指数的F2-CIW指标以及标准F1分数指标来评价模型的性能。实验结果表明，在下水道数据集Sewer-ML Dataset上，本文方法的F1-Normal和F2-CIW指标取得了90.41%和53.57%的测试得分，相比其它方法具有更好的缺陷识别性能。

• 单位
  机电工程学院; 陕西科技大学