基于残差网络的混凝土结构病害分类识别研究

作     者：丁威 马亥波 舒江鹏 NIZHEGORODTSEV Denis V 叶建龙 DING Wei;MA Hai-bo;SHU Jiang-peng;NIZHEGORODTSEV Denis V;YE Jian-long

作者机构：浙江大学建筑工程学院浙江杭州310058 浙江大学平衡建筑研究中心浙江杭州310058 浙江大学建筑设计研究院有限公司浙江杭州310058 圣彼得堡国立建筑工程大学土木工程学院圣彼得堡190005 浙江数智交院科技股份有限公司浙江杭州310058 

基　　金：国家自然科学基金青年科学基金项目(52108179) 浙江省科学技术厅重点研发计划项目(2021C01106) 

出 版 物：《建筑科学与工程学报》 (Journal of Architecture and Civil Engineering)

年 卷 期：2022年第39卷第4期

页      码：127-136页

摘      要：针对混凝土结构病害识别类型单一、精度较低的现状,提出了基于残差网络和迁移学习的病害分类识别方法,通过构建多属性病害数据集,利用迁移学习优化残差网络模型,提出混凝土结构健康状态识别的多个任务。首先收集混凝土结构的病害状态图像,依次通过数据清洗、尺寸均一化、数据扩增和多人投票标注,最终得到包含6 680张图像的混凝土结构病害多属性数据集,并依据不同标注属性进行了相应训练集、验证集和测试集的划分;然后利用迁移学习对预训练的ResNet-34网络前3个部分进行参数冻结,后续2个部分的参数进行重新训练,并在模型末端添加新的参数,基于已构建的数据集进行训练;最后在提出的构件类别检测、剥落检测、病害检测和病害类别检测任务中,分别获得84.88%、98.56%、97.18%和85.34%的F1分数。结果表明:通过构建多属性标注的混凝土结构病害数据集训练深度学习模型,可较好地实现多场景特征下的病害识别效果;采用迁移学习技术可从开源数据中获取较好的特征提取效果;改进的ResNet-34网络可克服网络退化问题,并针对混凝土结构病害识别的多个任务获得较好的效果;相对于单一的混凝土结构病害识别,进行病害部位、程度、多类别的系统性检测,可为结构状态评估提供详细信息,更贴合工程实际需要。

主 题 词：混凝土结构 病害分类识别 残差网络 多属性标注 迁移学习 

学科分类：08[工学] 081402[081402] 081304[081304] 0813[工学-化工与制药类] 0814[工学-地质类] 

D　O　I：10.19815/j.jace.2021.10112

馆 藏 号：203113383...