基于深度学习的钢桥病害分割与量化

摘要：

为解决传统钢桥表面病害难以量化的难题,提出了一种基于深度学习的钢桥病害分割与量化方法.该方法以SOLOv2实例分割网络为基础,将其原ResNet骨干网络替换为VoVNet57网络进行检测与分割.依据分割的病害掩码,增添检测框,计算病害像素值,并转化为实际面积,完成量化.采集涂层劣化、腐蚀、焊缝开裂等钢桥病害图像共计314幅,数据增强后,得到3 241幅病害图像,按4∶1划分训练集和测试集,用Labelme软件进行人工标注.经20 000次训练后,得到63.45％的平均精度(mAP),而TensorMask、BlendMask、未改进SOLOv2的训练mAP值分别为55.89％、56.67％、58.25％.同时,将网络输出的病害尺寸量化值和病害尺寸实际值进行对比得到,涂层劣化和腐蚀病害面积相对误差集中在10％以内,焊缝开裂长度相对误差集中在8％以内.所提出的方法可实现钢桥多病害快速、精确的分割与量化,为钢桥智能检测评估提供了技术支撑.

关键词：钢桥、病害分割、病害量化、实例分割、深度学习

所属期刊栏目：53

分类号：U446.3(桥涵工程)

资助基金：国家重点研发计划;国家重点研发计划;天津市交通运输委员会科技资助项目

在线出版日期：2022-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：516-522