基于Mask RCNN的桥梁裂缝检测方法设计及研究

摘要：

裂缝是桥梁道路上常见的一种病害,针对其检测准确率有待提高的问题,提出了基于Mask RCNN(region-based convolutional neural networks)的桥梁裂缝检测算法,设计了语义增强模块(semantic enhancement module,SEM),将该模块与特征金字塔网络(feature pyramid network,FPN)相结合,通过特征融合Add计算得到新的多尺度特征图feature maps.针对裂缝形态复杂多样存在识别困难的问题,将裂缝做了两类划分进行检测,并制定了两种策略进行对比实验.实验结果表明:该文中改进的方法可以得到更好的检测结果,检测准确率Accuracy可达99.8％,平均检测精度(mean average precision,mAP)提高了12.6％.

关键词：Mask RCNN算法;特征金字塔;语义增强;裂缝分类

所属期刊栏目：43

分类号：TN206;TP391(光电子技术、激光技术)

资助基金：陕西省重点研发计划—国际科技合作计划项目2020KW—001

在线出版日期：2022-03-10（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：100-105,118