基于改进Faster R-CNN与U-Net算法的桥梁病害识别与量化方法

作     者：乔朋 梁志强 段长江 马晨 王思龙 狄谨 Qiao Peng;Liang Zhiqiang;Duan Changjiang;Ma Chen;Wang Silong;Di Jin

作者机构：长安大学建筑工程学院西安710061 长安大学公路学院西安710061 重庆大学土木工程学院重庆400045 

基　　金：国家自然科学基金资助项目(52192663) 陕西省自然科学基础研究计划资助项目(2020SF-382,2021JM-181) 

出 版 物：《东南大学学报（自然科学版）》 (Journal of Southeast University：Natural Science Edition)

年 卷 期：2024年第54卷第3期

页      码：627-638页

摘      要：为实现桥梁病害检测的自动化,对基于图像处理技术的混凝土桥梁表观病害的智能识别和尺寸确定方法展开研究.提出基于改进Faster R-CNN算法的病害识别方法,利用K均值聚类和遗传算法对区域候选网络锚框进行优化设计;以裂缝预测区域为基础,提出ResNet34结合U-Net的裂缝形态提取方法,并结合裂缝形态学研究了裂缝像素宽度和长度的确定方法.结果表明:锚框优化设计可改进Faster R-CNN算法的表观病害识别效果,5类常见病害的预测准确率、召回率、平均精确率分别由68.40%、69.87%、74.64%提升到85.40%、83.59%、83.72%;利用病害预测框,结合改进U-Net算法的裂缝像素尺寸计算,可实现裂缝病害尺寸的自动测量;基于改进Faster R-CNN和改进U-Net的方法可实现混凝土桥梁常见病害的智能识别和尺寸量化,从而提高桥梁病害检测效率并促进桥梁技术状况评定的智能化.

主 题 词：桥梁工程 表观病害识别 裂缝尺寸确定 改进Faster R-CNN 改进U-Net 

学科分类：081406[081406] 08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类] 

核心收录：

D　O　I：10.3969/j.issn.1001-0505.2024.03.013

馆 藏 号：203128196...