基于优化DeepLabv3+的混凝土梁裂缝分割及特征量化

作     者：张修杰 袁嘉豪 岳学军 张伟锋 ZHANG Xiu-jie;YUAN Jia-hao;YUE Xue-jun;ZHANG Wei-feng

作者机构：华南农业大学水利与土木工程学院广州510642 广东省交通规划设计研究院集团股份有限公司广州510507 华南农业大学人工智能学院广州510642 

基　　金：广东省级大学生创新项目(S202110564060) 交通运输部规程编制项目《公路越岭隧道水文地质勘察规程》 广东省交通规划设计研究院集团股份有限公司科技创新项目(粤交院﹝2021﹞研发YF-014,粤交院﹝2021﹞研发YF-015) 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2023年第23卷第9期

页      码：3794-3803页

摘      要：目前基于深度神经网络的裂缝分割模型存在着训练参数多、裂缝边缘分割粗糙、分割精度不足、缺少深度特征语义信息等问题。为解决以上问题,对分割性能较好的DeepLabv3+模型进行研究,嵌入Non-local注意力机制,并改进了主干网络ResNet101得到优化模型DeepLabv3+(N-S),最后基于优化模型的输出并使用裂缝骨架提取的方法来量化裂缝特征参数。使用的数据集为自制的混凝土梁裂缝图像数据集,并对优化前后模型作对比实验,分析了模型在各项性能上优化的有效性,并使用实测数据来验证评估裂缝各项特征参数量化方法。实验结果表明,DeepLabv3+(N-S)网络在数据集上的平均像素准确率(mean pixel accuracy,mPA)、平均交并比(mean intersection over union,mIoU)分别达到了88.86%、82.04%,较于原模型分别提高2.21%、2.54%,裂缝分割效果优于原模型,且裂缝样本各项特征参数量化的平均误差为+8.7%,低于原模型,可满足工程上的检测精度需求。

主 题 词：裂缝分割 DeepLabv3+模型 Non-local 主干网络改进 裂缝特征参数量化 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1671-1815.2023.09.026

馆 藏 号：203121268...