首页|基于残差网络的混凝土结构病害分类识别研究

基于残差网络的混凝土结构病害分类识别研究

Research on Classification and Recognition of Concrete Structure Diseases Based on Residual Network

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对混凝土结构病害识别类型单一、精度较低的现状,提出了基于残差网络和迁移学习的病害分类识别方法,通过构建多属性病害数据集,利用迁移学习优化残差网络模型,提出混凝土结构健康状态识别的多个任务.首先收集混凝土结构的病害状态图像,依次通过数据清洗、尺寸均一化、数据扩增和多人投票标注,最终得到包含6 680张图像的混凝土结构病害多属性数据集,并依据不同标注属性进行了相应训练集、验证集和测试集的划分;然后利用迁移学习对预训练的Res-Net-34网络前3个部分进行参数冻结,后续2个部分的参数进行重新训练,并在模型末端添加新的参数,基于已构建的数据集进行训练;最后在提出的构件类别检测、剥落检测、病害检测和病害类别检测任务中,分别获得84.88％、98.56％、97.18％和85.34％的F1分数.结果表明:通过构建多属性标注的混凝土结构病害数据集训练深度学习模型,可较好地实现多场景特征下的病害识别效果;采用迁移学习技术可从开源数据中获取较好的特征提取效果;改进的ResNet-34网络可克服网络退化问题,并针对混凝土结构病害识别的多个任务获得较好的效果;相对于单一的混凝土结构病害识别,进行病害部位、程度、多类别的系统性检测,可为结构状态评估提供详细信息,更贴合工程实际需要.

丁威、马亥波、舒江鹏、NIZHEGORODTSEV Denis V、叶建龙

展开 >

浙江大学建筑工程学院,浙江杭州 310058

浙江大学平衡建筑研究中心,浙江杭州 310058

浙江大学建筑设计研究院有限公司,浙江杭州 310058

圣彼得堡国立建筑工程大学土木工程学院,圣彼得堡 190005

浙江数智交院科技股份有限公司,浙江杭州 310058

展开 >

混凝土结构 病害分类识别 残差网络 多属性标注 迁移学习

国家自然科学基金青年科学基金浙江省科学技术厅重点研发计划

521081792021C01106

2022

10.19815/j.jace.2021.10112

建筑科学与工程学报
长安大学 中国土木工程学会

建筑科学与工程学报

CSTPCD北大核心
影响因子：0.692
ISSN：1673-2049
年,卷(期)：2022.39(4)
  • 2
  • 7