基于深度学习的建筑破坏状态智能评估研究_黄永.pdf

第３２卷 第４期 自　 然　 灾　 害　 学　 报 Ｖｏｌ．３２ Ｎｏ．４ ２０２３年８月 ＪＯＵＲＮＡＬ ＯＦ ＮＡＴＵＲＡＬ ＤＩＳＡＳＴＥＲＳ Ａｕｇ．２０２３ － － － 文章编号：１００４ ４５７４（２０２３）０４ ０１４８ １１ ＤＯＩ:１０．１３５７７／ ｊ．ｊｎｄ．２０２３．０４１４ 基于深度学习的建筑破坏状态智能评估研究 １ １ ２，３ ２，３ １ 黄　 永 ，于建琦 ，林旭川 ，钟江荣 ，李　 惠 （１． 哈尔滨工业大学 土木工程学院，黑龙江 哈尔滨 １５０００６；２． 中国地震局工程力学研究所 地震工程与工程振动 重点实验室，黑龙江 哈尔滨 １５００８０；３． 地震灾害防治应急管理部重点实验室，黑龙江 哈尔滨 １５００８０） 摘　 要：地震发生后需要对震害区域建筑物破坏等级进行快速评估，以便于震后辅助决策和应急救 援。 通过分析建筑物外立面震害照片数据，挖掘不同建筑破坏等级与其立面图像特征潜在的映射关 系，建立基于震害图像数据的建筑破坏状态智能评估深度学习方法，并应用于都江堰的地震调查数 ＋ 据。 首先，训练获得了ＤｅｅｐｌａｂＶ３ 图像语义分割深度神经网络模型，实现在震后复杂背景下的建筑 物外观整体的分割提取。 进一步，利用迁移学习进行ＲｅｓＮｅＸｔ 网络参数训练用于图像分类，实现建 筑物地震破坏等级的评估。 分析了都江堰地震现场调查数据，实验结果表明，所提方法能够较精细 地将建筑破坏划分为基本完好、损坏和倒塌三类，准确率达到９０．３３％。 评估模型可直接应用于震后 建筑状态的较精细评估，且对外立面图像拍摄角度无较高要求，对图像背景鲁棒，可避免环境因素影 响。 相较于人工判断，研究方法提高了工作效率，缓解了调查者主观性判断带来的离散性影响，具有 良好的应用潜力。 关键词：建筑地震破坏；深度学习；震害照片；图像分割；图像分类；卷积神经网络 中图分类号：Ｘ９１５．５；Ｐ３１５．９　 　 　 　 　 文献标识码：Ａ Ｒｅｓｅａｒｃｈ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｅｖａｌｕａｔｉｏｎ ｏｆ ｂｕｉｌｄｉｎｇ ｄａｍａｇｅ ｓｔａｔｅ ｂａｓｅｄ ｏｎ ｄｅｅｐ ｌｅａｒｎｉｎｇ １ １ ２，３ ２，３ １ ＨＵＡＮＧ Ｙｏｎｇ ，ＹＵＪｉａｎｑｉ ，ＬＩＮ Ｘｕｃｈｕａｎ ，ＺＨＯＮＧＪｉａｎｇｒｏｎｇ ，ＬＩ Ｈｕｉ （１． Ｓｃｈｏｏｌ ｏｆ Ｃｉｖｉｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈａｒｂｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００６，Ｃｈｉｎａ；２． Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｅａｒｔｈｑｕａｋｅ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｖｉｂｒａｔｉｏｎ，Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｅｎｇｉｎｅｅｒｉｎｇ Ｍｅｃｈａｎｉｃｓ，Ｃｈｉｎａ Ｅａｒｔｈｑｕａｋｅ Ａｄｍｉｎｉｓｔｒａｔｉｏｎ，Ｈａｒｂｉｎ １５００８０，Ｃｈｉｎａ； ３． Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｅａｒｔｈｑｕａｋｅ Ｄｉｓａｓｔｅｒ Ｍｉｔｉｇａｔｉｏｎ，