基于改进Faster R-CNN与U-Net算法的桥梁病害识别与量化方法

摘要：

为实现桥梁病害检测的自动化,对基于图像处理技术的混凝土桥梁表观病害的智能识别和尺寸确定方法展开研究.提出基于改进Faster R-CNN算法的病害识别方法,利用K均值聚类和遗传算法对区域候选网络锚框进行优化设计;以裂缝预测区域为基础,提出ResNet34结合U-Net的裂缝形态提取方法,并结合裂缝形态学研究了裂缝像素宽度和长度的确定方法.结果表明:锚框优化设计可改进Faster R-CNN算法的表观病害识别效果,5类常见病害的预测准确率、召回率、平均精确率分别由68.40％、69.87％、74.64％提升到85.40％、83.59％、83.72％;利用病害预测框,结合改进U-Net算法的裂缝像素尺寸计算,可实现裂缝病害尺寸的自动测量;基于改进Faster R-CNN和改进U-Net的方法可实现混凝土桥梁常见病害的智能识别和尺寸量化,从而提高桥梁病害检测效率并促进桥梁技术状况评定的智能化.

关键词：桥梁工程、表观病害识别、裂缝尺寸确定、改进Faster R-CNN、改进U-Net

所属期刊栏目：54

分类号：U446.2(桥涵工程)

资助基金：国家自然科学基金;陕西省自然科学基础研究计划资助项目;陕西省自然科学基础研究计划资助项目

在线出版日期：2024-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：627-638