基于视觉的建筑结构施工与震后损伤检测算法.pdf

基于视觉的建筑结构施工与震后损伤检测算法

摘要

我国地震频发，每次强震往往导致建筑结构严重损坏甚至倒塌。因此，在震后迅

速准确评估建筑结构损伤至关重要。利用计算机视觉和深度学习技术，针对我国城市

普遍存在的钢筋混凝土结构构件进行损伤识别，重点识别损伤位置和程度，并借助无

人机视觉技术实现对中度和严重损坏的钢筋混凝土结构的损伤评估。旨在为快速、安

全地评估震后钢筋混凝土结构损伤提供技术支持。本文主要内容及结论如下：

(1)建立了丰富的数据集，包括建筑结构施工与损伤检测目标，经过对比选择

YOLOv5s作为目标检测算法，YOLOv5s模型在数据集上测试mAP达0.952，比同期算

法提高4%，检测速度为12.73ms/帧。在语义分割算法测试中，选择resnet50的FCN算

法，平均IoU值达94.3%。

(2)提出了采用二值化图像遍历法量化面积、几何法量化钢筋混凝土梁挠度，以及

形态学运算中骨架提取与腐蚀算子量化裂缝的方法。通过数值模拟建立了影响裂缝的9

个参数，建立损伤神经网络实现对裂缝损伤等级的检测，准确率分别为94.67%，

88.45%，87.21%。在实验室条件下测试了不同参数下的钢筋混凝土梁，损伤等级神经

网络检测结果相对。

(3)将单目测距功能与YOLOv5s算法结合，实现了目标检测同时获取深度信息的

能力。此外，推导并介绍了无人机自适应追踪目标算法(向量法)，包括坐标系转换、相

机内参矩阵K和外参矩阵R的确定方法。通过实验室中的飞行测试，结果显示该算法

在钢结构锈蚀、震后裂纹、屈曲以及钢筋混凝土梁震后检测等任务上达到工程精度要

求，但在某些钢结构截面检测方面精度较差。

关键词：计算机视觉；损伤识别；YOLOv5s算法；无人机视觉；语义分割算法

基于视觉的建筑结构施工与震后损伤检测算法

Abstract

EarthquakesoccurfrequentlyinChina,andeachstrongearthquakeoftenleadstoserious

damageorevencollapseofbuildingstructures.Therefore,itiscrucialtoquicklyandaccurately

assessthedamagetobuildingstructuresafteranearthquake.Thisstudyutilizescomputervision

anddeeplearningtechnologiestoidentifydamagetocommonlyfoundreinforcedconcrete

structuralcomponentsinChinesecities,withafocusonidentifyingthelocationanddegreeof

damage.Usingdronevisiontechnology,damageassessmentofmoderatelyandseverely

damagedreinforcedconcretestructuresisachieved.Intendedtoprovidetechnicalsupportfor

rapidandsafeassessmentofpostearthquakedamagetoreinforcedconcretestructures.The

maincontentandconclusionsofthisarticleareasfollows:

(1)Wehaveestablishedarichdataset,includingbuildingstructureconstructionand

damagedetectiontargets.Aftercomparison,YOLOv5swasselectedasthetar