基于语义分割的混凝土裂缝图像识别方法研究

摘要：

因快速、无损等优势,基于深度学习的图像识别技术已成为混凝土裂缝智能检测研究的热点,其中语义分割算法可实现对裂缝图像像素级别的分割,进而实现裂缝信息量化识别.基于U-Net语义分割网络,本文提出一种混凝土裂缝图像识别方法.首先,针对混凝土裂缝检测,训练了改进的U-Net网络模型,对裂缝图像实施精准分割;其次,对分割后的裂缝图像,采用最大内切圆算法提出了裂缝宽度计算方法;最后,通过室内混凝土板模型试验对所提方法进行验证.结果表明,本文算法和设备条件对于宽度为0.30mm左右的裂缝计算结果较差,最大误差为0.26mm;对于宽度大于0.60mm的裂缝计算效果较好,最大误差为0.14mm.考虑到可以通过提高相机分辨率进一步提升检测精度,本文方法可应用于混凝土结构表观裂缝检测,大幅提高基础设施的智能化管养水平.

关键词：混凝土裂缝、语义分割、U-Net模型、裂缝宽度

所属期刊栏目：51

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;中央高校基本科研业务费专项资金资助项目;扬州市建设科技计划项目

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：42-47