基于深度学习的居住建筑外墙面损伤检测研究

摘要：

以Tensorflow 2.0为平台,通过Faster RCNN算法框架建立深度学习模型.以1620张居住建筑外墙面受损照片为数据集.选取其中1296张为训练集,对模型进行有监督训练并测试模型训练深度,324张为测试集校检模型精度.测试结果表明,深度学习模型对居住建筑外墙的污染类损伤检测率为88.82％;裂缝类损伤检测率为90.21％;破损类损伤检测率为90.94％,检测平均耗时为每图0.23s.深度学习检测模型可有效反馈外墙面的主要损伤情况,提高建筑工程管理效率.

关键词：居住建筑;墙面损伤;图像检测;深度学习;建筑维护

所属期刊栏目：52

分类号：TU71(建筑施工)

在线出版日期：2021-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：892-895