基于改进BiSeNetV2的裂缝检测与识别

摘要：

裂缝作为固体材料中较为常见的某种不连续现象,是固体结构破坏的开始,及时对裂缝进行识别和检测,并对检测结果进行分析,采取相对应的措施,能够较好地防止事故发生,保障工程作业中的安全.目前裂缝识别主要依靠人工检测,存在劳动强度大、耗时长、精确度不高、危险、耗费高等问题,为此基于数字图像处理技术的裂缝智能识别被广泛研究,然而裂缝表面纹理不规则、噪声的复杂信息,影响了识别精度.为了解决常见固体材料的裂缝智能识别问题,提出了以轻量级语义分割网络模型BiSeNetV2来进行裂缝自动检测,同时自主构建裂缝数据集.实验表明,改进后的裂缝识别模型识别精度提升了7.6％.基于BiSeNetV2的裂缝识别模型,能对裂缝进行精准检测和识别,解决人工识别存在的各类问题.

关键词：BiSeNetV2、语义分割、裂缝检测与识别、岩石裂缝

所属期刊栏目：13

分类号：TG14;TP274.4(金属学与热处理)

资助基金：江西省教育厅科学技术研究项目;赣州市科技计划项目

在线出版日期：2023-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：91-97