基于深度学习的网格优化裂缝检测模型研究

作者：孟诗乔; 张啸天; 乔甦阳; 周颖^*

来源：建筑结构学报, 2020, S2: 404-410.

DOI：10.14006/j.jzjgxb.2020.S2.0045

• 混凝土
• 裂缝识别
• 深度学习
• 网格优化
• 语义分割
• 卷积神经网络模型

为提高混凝土结构裂缝识别的有效性和准确性,基于深度学习技术,建立了一种包含网格优化模块的卷积神经网络(Grid-Deeplab)模型,用于识别裂缝区域并实现像素级语义分割。采用Grid-Deeplab模型,通过对网格化后裂缝图像的具有不同重要性特征的子区域进行建模,使模型具有区别图像有效区域的能力,从而显著提升了裂缝检测模型的检测效率和准确率。采用平均交并比作为评价标准,在数据集上将提出的Grid-Deeplab模型与既有的U-Net、SegNet、FCN和Deeplab等多种神经网络模型进行测试,结果表明,Grid-Deeplab优化模型在测试集上的平均交并比达到0.77,识别准确率优于现有的其他模型。

• 单位
  土木工程防灾国家重点实验室; 同济大学