10.12068/j.issn.1005-3026.2021.11.015
基于优化的残差网络的锈蚀钢筋图像分类
通过实验研究提出一种基于残差网络(ResNet)的锈蚀钢筋分类方法,为开发锈蚀钢筋现场准确定量评价方法提供新思路和技术参考.以1478根直径12 mm和14 mm,锈蚀率1.45% ~56.10% 的钢筋为研究对象,利用工业相机在实验室条件下拍摄图像,结合数据增强技术,共获得23648张样本图像,并根据锈蚀率确定11类标签.基于深度卷积神经网络搭建ResNet结构,并利用Adam算法进行迭代优化,通过对比不同数据集的实验结果评估分类准确率和训练轮数.为验证所提方法的适用性,将不同直径钢筋的样本图像组合成6种数据集进行训练与测试.研究表明,经过100次迭代训练,针对6种数据集的钢筋锈蚀程度分类准确率均在93.2% 以上,最高达98.8%.该方法支持混合直径的锈蚀钢筋高精度分类,具有良好的实际应用性.
锈蚀钢筋;锈蚀率;深度卷积神经网络;图像分类;残差网络
42
TU375.2(建筑结构)
国家自然科学基金资助项目;湖南省交通运输厅科技进步与创新项目;长沙市科技计划项目
2021-12-01(万方平台首次上网日期,不代表论文的发表时间)
共9页
1625-1633