中国科技核心期刊
中国建筑科学领域高质量科技期刊分级目录T2级期刊
RCCSE中国核心学术期刊
美国化学文摘社(CAS)数据库 收录期刊
日本JST China 收录期刊
世界期刊影响力指数(WJCI)报告 收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于深度学习的裂缝识别与量化分析研究

范存君 金松燕 金楠 施钟淇 伍永靖邦 郝新田

范存君, 金松燕, 金楠, 施钟淇, 伍永靖邦, 郝新田. 基于深度学习的裂缝识别与量化分析研究[J]. 工业建筑, 2024, 54(8): 126-132. doi: 10.3724/j.gyjzG24061802
引用本文: 范存君, 金松燕, 金楠, 施钟淇, 伍永靖邦, 郝新田. 基于深度学习的裂缝识别与量化分析研究[J]. 工业建筑, 2024, 54(8): 126-132. doi: 10.3724/j.gyjzG24061802
FAN Cunjun, JIN Songyan, JIN Nan, SHI Zhongqi, WU Yongjingbang, HAO Xintian. Crack Recognition and Quantitative Analysis Based on Deep Learning[J]. INDUSTRIAL CONSTRUCTION, 2024, 54(8): 126-132. doi: 10.3724/j.gyjzG24061802
Citation: FAN Cunjun, JIN Songyan, JIN Nan, SHI Zhongqi, WU Yongjingbang, HAO Xintian. Crack Recognition and Quantitative Analysis Based on Deep Learning[J]. INDUSTRIAL CONSTRUCTION, 2024, 54(8): 126-132. doi: 10.3724/j.gyjzG24061802

基于深度学习的裂缝识别与量化分析研究

doi: 10.3724/j.gyjzG24061802
基金项目: 

青年人才托举工程(2023QNRC001)。

深圳市科技计划资助(ZDSYS20210929115800001,KJZD20231023093057005)

国家重点研发计划资助(2022YFC3800304)

详细信息
    作者简介:

    范存君,硕士,主要从事无人机智能巡检、计算机视觉方向的研究,fancj@szsti.org。

    通讯作者:

    金松燕,硕士,主要从事机载激光雷达巡检、地理信息系统方向的研究,jinsy@szsti.org。

Crack Recognition and Quantitative Analysis Based on Deep Learning

  • 摘要: 裂缝是混凝土结构中常见的表观损伤之一,对结构性能的评估具有重要的意义。利用计算机视觉技术对混凝土结构表面进行裂缝识别与量化已得到广泛研究,然而,基于深度学习的裂缝识别技术依赖于大规模的裂缝数据集进行训练。为此,提出基于风格迁移网络的数据增广方法,利用少量裂缝数据和各种背景图像数据,构建大规模的、复杂背景的裂缝数据集,并通过训练YoloV8网络模型实现裂缝的识别与分割,并根据裂缝特性,对识别结果中的孤立、微小区域进行滤除。在此基础上,基于已知参考标志物进行裂缝宽度量化分析,试验结果表明裂缝宽度计算误差基本控制在20%以内。
  • [1] LIU Y, YEOH J K W. Robust pixel-wise concrete crack segmentation and properties retrieval using image patches[J]. Automation in Construction, 2021, 123, 103535.
    [2] TSAI Y C, KAUL V, MERSEREAU R M. Critical assessment of pavement distress segmentation methods[J]. Journal of Transportation Engineering, 2010, 136(1):11-19.
    [3] KOCH C, GEORGIEVA K, KASIREDDY V, et al. A review on computer vision based defect detection and condition assessment of concrete and asphalt civil infrastructure[J]. Advanced Engineering Informatics, 2015, 29(2): 196-210.
    [4] 刘宇飞,樊健生,聂建国,等.结构表面裂缝数字图像法识别研究综述与前景展望[J].土木工程学报, 2021, 54(6):79-98.
    [5] ZHOU S, SONG W. Concrete roadway crack segmentation using encoder-decoder networks with range images[J]. Automation in Construction, 2020, 120, 103403.
    [6] WANG W, SU C. Semi-supervised semantic segmentation network for surface crack detection[J]. Automation in Construction, 2021, 128, 103786.
    [7] SPENCER JR B F, HOSKERE V, NARAZAKI Y. Advances in computer vision-based civil infrastructure inspection and monitoring[J]. Advances in Civil Engineering, 2019, 5(2): 199-222.
    [8] WANG H, LI Y, DANG L M, et al. Pixel-level tunnel crack segmentation using a weakly supervised annotation approach[J]. Computers in Industry, 2021, 133, 103545.
    [9] 杨国俊,齐亚辉,石秀名.基于数字图像技术的桥梁裂缝检测综述[J].吉林大学学报(工学版),2024,54(2):313-332.
    [10] 周颖,刘彤.基于计算机视觉的混凝土裂缝识别[J].同济大学学报(自然科学版),2019,47(9):1277-1285.
    [11] 谢文高,张怡孝,刘爱荣,等.基于水下机器人与数字图像技术的混凝土结构表面裂缝检测方法[J].工程力学,2022,39(增刊1):64-70.
    [12] 余加勇,李锋,薛现凯,等.基于无人机及Mask R-CNN的桥梁结构裂缝智能识别[J].中国公路学报,2021,34(12):80-90.
    [13] 刘宇飞,樊健生,孔思宇,等.多视角几何三维重建法识别工程结构缺损与变形[J].工程力学,2020,37(9):103-111.
    [14] KOONCE B.MobileNetV3[M]//Convolutional neural networks with swift for Tensorflow. Berkeley, CA: Apress, 2021.
    [15] WEN L, GAO C, ZOU C. CAP-VSTNet: content affinity preserved versatile style transfer[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2023: 18300-18309.
    [16] TERVEN J, CORDOVA-ESPARZA D. A comprehensive review of YOLO: from YOLOv1 to YOLOv8 and beyond[J/OL]. arXiv preprint arXiv:2304.00501, 2023.https://arxiv.org/pdf/2304.00501v1
    [17] OCHER G, CHAURASIA A, QIU J. ULTRALYTICS YOLO (VERSION 8.0.0)[EB/OL]. [2024-06-18].https://github.com/ultralytics/ultralytics.
    [18] ZHANG Z. A flexible new technique for camera calibration[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(11): 1330-1334.
    [19] 周道德,高豆豆,董登峰,等.基于深度学习和PnP模型的激光跟踪仪自动姿态测量[J].光学精密工程,2022,30(9):1047-1057.
  • 加载中
计量
  • 文章访问数:  189
  • HTML全文浏览量:  13
  • PDF下载量:  9
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-06-18
  • 网络出版日期:  2024-09-19

目录

    /

    返回文章
    返回