科研之友
微信
新浪微博
Facebook
分享链接
摘要
对高延性水泥基材料(ECC)的裂缝特征进行准确识别和测量是研究ECC力学性能与耐久性的重要手段。针对ECC裂缝数量多且细密，纤维噪声干扰重等问题，基于深度学习方法，采用适合于小样本数量生物图像识别的U-Net模型，加上部分Res Net网络层结构进行优化，结合新增制作的适用于ECC的数据集，训练神经网络模型，进行语义分割获取裂缝像素。针对裂纹参数提取问题，使用骨骼提取方法，结合数字图像处理流程，运用CLAHE滤镜和半峰全宽概念获取裂缝宽度，实现了混杂纤维ECC狗骨试件和ECC连接板的裂缝识别与参数提取。结果表明：采用深度学习方法建立的ECC裂缝识别与智能检测方法与实际手工测量误差范围在0.6 mm以内。研究成果可为ECC裂缝检查与特征定量化识别提供准确有效和高通量的分析方法。
- 单位
