基于Double U-Net的基础设施表面裂纹检测

作者：高静; 周岳钰; 桂艺婷; 朱柱; 闻军^*

来源：扬州大学学报(自然科学版), 2023, 26(02): 44-51.

DOI：10.19411/j.1007-824x.2023.02.007

• 深度学习
• 裂纹检测
• 编解码网络
• 挤压激励网络
• Inception模块

针对基于单一材质的基础设施表面裂纹训练模型鲁棒性弱的问题，建立不同材质的设施表面裂纹数据集，提出一种基于深度学习的双层编解码网络(Double U-Net)模型.在该模型的上层网络中，将改进的Inception模块以及挤压激励网络(squeeze-and-excitation networks, SENet)与U-Net模型的卷积层相结合，从而获取多尺度上下文信息；在下层网络中，利用连接机制实现与上层网络的结合，从而减少特征信息丢失.结果表明，所提出的Double U-Net模型在复杂背景干扰下具有良好的裂纹提取能力，可成功实现对不同基础设施表面裂纹的有效检测.此外，消融实验结果显示，在各个模块的共同作用下Double U-Net模型的F1值和交并比IoU分别较U-Net模型提高了2.99%和3.51%.

• 单位
  安庆师范大学; 金陵科技学院