基于改进Mask R-CNN的钢桥多病害智能识别 |
| |
引用本文: | 彭卫兵,张明见,全柳萌,李珉,赵宇欣.基于改进Mask R-CNN的钢桥多病害智能识别[J].中国公路学报,2024(2):100-109. |
| |
作者姓名: | 彭卫兵 张明见 全柳萌 李珉 赵宇欣 |
| |
作者单位: | 浙江工业大学土木工程学院 |
| |
基金项目: | 国家自然科学基金项目(52278227);;浙江省交通运输厅科技计划项目(202021)~~; |
| |
摘 要: | 钢桥在现代交通基础设施中扮演着重要的角色,然而,由于长期服役与环境影响,钢桥可能出现涂层锈蚀、螺栓脱落等病害。为解决传统的钢桥病害检测需要人工参与,费时费力且主观性强的问题,提出了一种基于深度学习的钢桥病害检智能识别方法。利用无人机在图像采集方面的优势,采集大量高清病害图像,经图像增强、标注后建立钢桥病害图像库,用于模型的训练和测试;引入掩膜区域卷积神经网络(Mask R-CNN)构建钢桥病害识别模型,实现钢桥病害的自动识别;并通过更换骨干网络的方式进一步提升模型性能。研究结果表明:将骨干网络由传统的ResNet101替换为VoVNet后模型性能显著提升,交并比阈值为0.5与0.5∶0.95时,优化后模型的识别平均精确率分别为0.84与0.59;相同交并比阈值下较之优化前有约10%的提升。将改进的模型应用于上莘桥表观病害检测,其对涂层锈蚀、螺栓锈蚀与螺栓脱落的识别准确率分别达到了89.3%、85.7%、73.1%;改进的Mask R-CNN模型在钢桥病害识别任务中表现出了优异的性能,无人机与深度学习相结合的方法能够实现钢桥病害的高精度、自动化检测,具有重要的科学研究和工程应用价值。
|
关 键 词: | 桥梁工程 病害识别 Mask R-CNN 钢桥 无人机图像采集 图像分割 |
|
|