基于改进Mask R-CNN的混凝土坝裂缝像素级检测方法.pdfVIP

第43卷第1期 水 利 水 电科 技 进 展 2023年1月 Vol.43 No.1 Advances in Science and Technology of Water Resources Jan. 2023 DOI:10.3880/ j.issn.1006 7647.2023.01.013 基于改进Mask R鄄CNN的混凝土坝 裂缝像素级检测方法 1 1,2,3 1 1 牛慧余 ,包腾飞 ,李扬涛 ,黄思文 (1.河海大学水利水电学院,江苏 南京摇 210098; 2.河海大学水文水资源与水利工程科学国家重点实验室,江苏 南京摇 210098; 3.三峡大学水利与环境学院,湖北 宜昌摇 443002) 摘要:为解决传统人工巡检混凝土坝裂缝效率低下的问题,将人工智能和计算机视觉技术相结合, 提出了复杂背景下混凝土坝裂缝像素级精细化自动识别分割方法。 为克服复杂环境背景因素干 扰,基于多种数字图像处理手段对混凝土坝裂缝图像进行预处理,有效去除环境噪声。 在Mask R鄄 CNN基础上,对模型主干网络进行改进以提升裂缝特征提取能力。 采集500 幅包含单裂缝、多裂 缝、交叉裂缝、龟裂等多种裂缝形态的混凝土坝裂缝图像用于模型训练与验证,并采用定性分析和 定量评估相结合的手段多维度评估模型泛化能力和鲁棒性。 结果表明:改进Mask R鄄CNN对含有多 种裂缝特征及噪声背景的裂缝图像识别效果良好,模型在测试集上的目标检测和分割掩码平均精确 度分别达76郾3和61郾9,满足高精度裂缝精细分割要求;与Cascade鄄Mask R鄄CNN、Yolact++等基准模型 相比,改进Mask R鄄CNN在目标检测、分割掩码精确度及模型推理速度多方面均有一定的优势。 关键词:混凝土坝;裂缝检测;实例分割;改进Mask R鄄CNN;人工智能 中图分类号:TV698.1摇 摇 摇 文献标志码:A摇 摇 摇 文章编号:1006 7647(2023)01 0087 06 1 Pixel鄄level crack detection method of concrete dam based on improved Mask R鄄CNN/ / NIU Huiyu ,BAO 1,2,3 1 1 Tengfei ,LI Yangtao ,HUANG Siwen (1.College of Water Conservancy and Hydropower Engineering,Hohai University, Nanjing 210098, China; 2. State Key Laboratory of Hydrology鄄Water Resources and Hydraulic Engineering, Hohai University,Nanjing 210098,China;3.College of Hydraulic EnvironmentalEngineering,China Three Gorges University, Yichang 443002,China) Abstract:In order to solve the problem of low efficiency of traditional manual in