-
题名基于改进DeepLabV3+的钢桥锈蚀检测方法
- 1
-
-
作者
黄海新
贺朝
程寿山
许瑞宁
张连振
-
机构
河北工业大学土木与交通学院
交通运输部公路科学研究所桥梁结构安全技术国家工程实验室(北京)
河北省交通规划设计研究院有限公司太行创新研究院
哈尔滨工业大学交通科学与工程学院
-
出处
《重庆交通大学学报(自然科学版)》
北大核心
2025年第2期18-24,60,共8页
-
基金
桥梁结构安全技术国家工程实验室开放课题(2021-GJKFKT)
旧桥检测与加固交通行业重点实验室(北京)开放课题(2020-JQKFKT-3)
+1 种基金
天津市交通运输科技发展计划项目(2022-48)
交通基础设施智慧运维技术装备研发与应用示范项目(2023-420)。
-
文摘
锈蚀检测算法是钢桥管养从人工视觉向机器视觉转型的关键,更是智能化钢桥检测机器人构建的技术基础。面向钢桥智能检测机器人对锈蚀检测算法低能耗和高精度的实际需求,针对DeepLabV3+模型加以改进,采用MobileNetV2主干网络替换原模型中的Xception主干网络,使模型轻量化以易适配移动端设备,优化ASPP模块中的空洞率以提高网络对不同尺寸锈蚀的提取效果,添加CBAM注意力机制增强模型对关键特征的感知和捕捉;将改进后的DeepLabV3+模型与原DeepLabV3+模型、PSPNet模型和U-Net模型进行了对比,同时开展了消融实验;最后,将改进模型搭载于视觉机器人上,并开展实地工程测试。结果表明:相比于其它模型,改进的DeepLabV3+模型对钢桥锈蚀图像的分割准确率平均提高了7.5%,平均交并比平均提高了14.7%,召回率平均提高了9.1%。
-
关键词
桥梁工程
DeepLabV3+
钢桥锈蚀检测
卷积神经网络
图像分割
-
Keywords
bridge engineering
DeepLabV3+
steel bridge rust detection
convolutional neural networks
image segmentation
-
分类号
U446.3
[建筑科学—桥梁与隧道工程]
-
