基于阵列超声和特征融合神经网络的钢筋混凝土结构内部裂缝检测

作     者：杨涵 李斯涵 舒江鹏 许彩娥 宁英杰 叶建龙 YANG Han;LI Sihan;SHU Jiangpeng;XU Cai’e;NING Yingjie;YE Jianlong

作者机构：浙江大学建筑工程学院浙江杭州310058 浙江大学计算机辅助设计与图形学国家重点实验室浙江杭州310058 浙江交工集团股份有限公司浙江杭州310051 浙江省交通集团检测科技有限公司浙江杭州310030 

基　　金：国家重点研发计划(2023YFE0115000) 浙江省领雁计划项目(2023C01161) 浙江省交通运输厅科技计划项目(202217) 

出 版 物：《建筑结构学报》 (Journal of Building Structures)

年 卷 期：2024年第45卷第7期

页      码：89-99页

摘      要：在工程实践和已有研究中,对于混凝土结构内部病害的无损检测,超声层析图像通常需要先验知识进行人工定性判读,较少应用于精确的量化检测。为此,提出一种基于阵列超声和特征融合神经网络的深度学习方法,用于钢筋混凝土结构内部裂缝的像素级无损检测。制作了预置内部裂缝的钢筋混凝土构件,并使用低频剪切超声波和换能器阵列扫查,获得阵列超声B扫描图像并构建数据集。建立了具有编码器-解码器架构的深度神经网络,并采用特征融合策略和残差模块优化该模型,使其与B扫描图像的语义结构更加兼容。通过配准,将独立局部预测图组合为断面的全局表征,以展示构件长度方向整个断面的裂缝位置、分布等全局信息。结果表明:训练、验证及测试集的F分数均高于70%,提出的特征融合深度神经网络可识别宽度低至1 mm的裂缝,裂缝长度量化的平均绝对百分误差为6.22%,证实了所提方法的有效性。

主 题 词：钢筋混凝土结构 内部裂缝检测 阵列超声 特征融合 深度神经网络 

学科分类：07[理学] 08[工学] 081402[081402] 070206[070206] 081304[081304] 0813[工学-化工与制药类] 0802[工学-机械学] 0814[工学-地质类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.14006/j.jzjgxb.2023.0729

馆 藏 号：203128273...