桥梁建设

作者：黄彩萍，谢鑫，周永康，李桂龙

单位：1.湖北工业大学土木建筑与环境学院，湖北 武汉 430068； 2.湖州市公路与运输管理中心，浙江 湖州 313000

关键词：桥梁工程；混凝土病害；深度学习；掩码-区域卷积神经网络；可移动网络；K-means聚类算法；病害识别

为对混凝土病害图像进行更精确的实例分割，提出改进掩码-区域卷积神经网络（Mask Region Convolution Neural Network，Mask-RCNN）。该网络采用轻量级的可移动网络（MobileNetV2）代替原始Mask-RCNN中卷积层过大的主干网络——残差网络（ResNet101），加入路径聚合网络（PANet），以提高Mask-RCNN提取浅层特征信息的能力。为验证改进Mask-RCNN的识别精度及其在实际工程中的可行性，首先构建多类混凝土病害图像数据集，利用K-means聚类算法确定最适合该数据集的先验边界框的长宽比，然后对比改进Mask-RCNN与原始Mask-RCNN、其它主流深度学习网络对混凝土五类病害（裂缝、露筋、剥落、白皙和空洞）的识别结果；最后利用无人机采集到的钢筋混凝土桥梁病害图像作为测试集进行测试。结果表明：改进Mask-RCNN在提高计算速度的同时能更准确地定位病害，减少了误检和漏检，识别精度高于原始Mask-RCNN及其它深度学习网络；改进Mask-RCNN可以识别无人机拍摄的未经训练的新的混凝土病害图像，识别精度满足实际工程需求。

来源：2023年第6期

《桥梁建设》期刊编辑部

查看桥梁建设杂志2023年第6期