基于注意力机制与双线性池化的锈蚀等级评估

作     者：陈法法 董海飞 潘瑞雪 杨蕴鹏 陈保家 CHEN Fafa;DONG Haifei;PAN Ruixue;YANG Yunpeng;CHEN Baojia

作者机构：三峡大学水电机械设备设计与维护湖北省重点实验室湖北宜昌443002 国家大坝安全工程技术研究中心湖北武汉430010 

基　　金：国家自然科学基金项目(51975324) 国家大坝安全工程技术研究中心开放基金项目(CX2022B06) 湖北省教育厅科研项目(B2021036) 

出 版 物：《工程科学与技术》 (Advanced Engineering Sciences)

年 卷 期：2023年第55卷第5期

页      码：242-252页

摘      要：水工机械装备(如闸门、拦污栅等)长期服役于水域环境,其结构表面会不可避免地产生锈蚀。对于重要的关键受力结构件,如果不能准确检测其锈蚀的严重程度,会导致其维修加固不及时,进而直接威胁受损结构周围人员的生命安全。目前,对水工机械装备锈蚀特征识别主要以人工目视检测为主,容易导致视觉疲劳、主观性较强、锈蚀程度的检测准确率不高等问题。为此,本文提出以VGG-16(visual geometry group,VGG)网络为基础、融合注意力机制和双线性池化的锈蚀等级评估方法。首先,利用RGB(red green and blue)和HSV(hue saturation and value)两种色彩空间中不同分量包含锈蚀图像特征不同的特点,将不同色彩空间作为不同支路网络的输入,使其能够充分利用不同色彩空间的图像特征;其次,在两个支路网络中嵌入注意力机制,通过注意力机制的可训练权重对锈蚀图像的特征进行重标定,调整权重,聚焦于最相关的特征进行学习;再次,采用双线性池化融合不同支路提取的特征,使网络聚焦于最相关的细粒度图像特征,提高网络模型对锈蚀图像细微差异特征的利用;最后,通过盐雾锈蚀实验获取锈蚀图像数据,并在数据集上对本文方法进行消融和对比分析。结果表明,相较于原模型及其他主流算法,改进后模型的分类准确率达到了0.953,精确率、召回率、F1系数等评价指标均有大幅提升,本文方法对于不规则锈蚀图像特征能够取得更好的评估效果,可以转化应用于工程实践。

主 题 词：锈蚀图像 VGG-16 注意力机制 双线性池化 锈蚀等级 

学科分类：08[工学] 080203[080203] 0714[0714] 0835[0835] 0802[工学-机械学] 0701[理学-数学类] 081202[081202] 0812[工学-测绘类] 080201[080201] 

核心收录：

D　O　I：10.15961/j.jsuese.202200470

馆 藏 号：203123979...