首页> 中文期刊> 《东南大学学报:自然科学版》 >基于深度学习的钢桥病害分割与量化

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3241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20000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.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号