基于深度分类的轻量级格网桥梁裂缝检测技术

作者：韦春桃; 朱旭阳^*; 张冬梅

来源：计算机工程与设计, 2022, 43(08): 2334-2341.

DOI：10.16208/j.issn1000-7024.2022.08.031

• 深度学习
• 桥梁裂缝检测
• 格网化处理
• 全局平均池化
• 通道剪枝

针对目标检测模型应用于桥梁裂缝检测时检测精度不高、模型参数量大等问题,提出一种基于深度分类的轻量级格网桥梁裂缝检测技术。设计格网化处理方法将桥梁裂缝图像划分到大小相等的网格内,规范图像中桥梁裂缝的位置分布;采用全局平均池化与基于批归一化层的通道剪枝技术对深度分类模型进行轻量化改进,减少模型参数量;使用改进后的模型对不同网格内的图像进行分类并标注出裂缝位置。实验结果表明,该技术可以实现对桥梁裂缝的高精度检测,F1得分达到了0.97。全局平均池化和基于批归一化层的通道剪枝技术能大幅减少模型参数量,改进后的模型大小仅为0.62MB。

• 单位
  重庆交通大学; 土木工程学院