基于全卷积神经网络的锈蚀钢筋截面检测方法

作     者：过民龙 张凯 杨厚易 GUO Minlong;ZHANG Kai;YANG Houyi

作者机构：广东省建筑科学研究院集团股份有限公司广州510500 

出 版 物：《广东土木与建筑》 (Guangdong Architecture Civil Engineering)

年 卷 期：2022年第29卷第1期

页      码：85-90页

摘      要：锈蚀钢筋检测的传统方法对试验仪器的精度要求高、人为因素对检测结果的影响大,不便于应用推广。基于全卷积神经网络提出了一种锈蚀钢筋截面的检测方法,通过对锈蚀钢筋截面图像样本进行像素分割以实现截面区域的检测。神经网络设计时采用了VGG19-FCN及U-Net两种架构,并对二者的识别性能进行了对比分析。图像样本采用从实际工程中搜集到的2000个锈蚀钢筋截面图像(单钢筋截面),并对其进行人工标注。结果表明:①采用小批量子集随机梯度下降法对神经网络进行训练,其效果等同于小批量随机梯度下降法,可解决训练神经网络时小批量数量需求大而显存不足的问题;②VGG19-FCN及U-Net两种网络架构在验证集上的最终精确度分别达到96.59%和95.06%,可说明其对本文锈蚀钢筋截面识别切实可行;③在以5%相对误差为识别容差的条件下,锈蚀钢筋截面采样时待检测钢筋截面尺寸占全图的比例范围有限值,对VGG19-FCN网络架构为28.23%~71.95%、对U-Net网络架构为39.32%~71.95%。综合存储空间、训练时间、识别精度,采用U-Net网络架构对锈蚀钢筋截面识别的效果更优。

主 题 词：锈蚀钢筋 截面检测 全卷积神经网络 像素分割 

学科分类：08[工学] 0813[工学-化工与制药类] 081301[081301] 

D　O　I：10.19731/j.gdtmyjz.2022.01.022

馆 藏 号：203107182...