首页|基于迁移学习的坝面表观缺陷智能检测方法研究

基于迁移学习的坝面表观缺陷智能检测方法研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对常规缺陷检测方法难适用于复杂环境下的坝面表观缺陷检测的问题,提出了一种基于迁移学习的坝面表观缺陷智能检测方法,主要解决坝面缺陷的识别与分类问题.该检测方法主要包括三个部分:首先采用图像预处理对多旋翼无人机采集到的原始图像数据进行数据扩充和特征突显;然后运用迁移学习方法将Inception-v3网络模型作为预训练模型,训练处理过后的缺陷数据,得到坝面缺陷检测模型;最后构建全连接分类网络并利用检测模型对测试集数据进行分类测试.试验结果显示:该检测方法仅耗时28 min就完成了对约33 000张缺陷数据的训练与测试,并对混凝土坝面存在的裂缝、漏筋、渗水和脱落四种缺陷的分类正确率达到了96％.结果 表明,该检测方法能够实现对坝面缺陷精确且快速的识别和分类,能够为坝面后期的风险评估和维护提供有力的数据支撑,具有一定的工程意义.
Transfer learning-based study on method of intelligent detection of dam surface apparent defect

陈波、张华、王姮、汪双、李永龙、冯春成

展开 >

西南科技大学信息工程学院,四川绵阳 621000

清华四川能源互联网研究院,四川成都610000

迁移学习 卷积神经网络 图像预处理 混凝土缺陷 缺陷检测

国家“十三五”核能开发科研项目资助四川省科技计划资助项目四川省科技计划资助项目中国大唐集团公司科学技术项目

201612952018JZ00012019YFG0144CDT-TZK/SYD [2018]-010

2020

水利水电技术(中英文)
水利部发展研究中心

水利水电技术(中英文)

CSTPCD北大核心
影响因子：0.456
ISSN：1000-0860
年,卷(期)：2020.51(4)
  • 10
  • 1