基于无人机图像和深度学习的水工混凝土结构三维重建和缺陷定量辨识方法.pdfVIP

水利学报

2025年9月SHUILIXUEBAO第56卷第9期

文章编号：0559-9350（2025）09-1155-11

基于无人机图像和深度学习的水工混凝土结构

三维重建和缺陷定量辨识方法

1，2，323124

李扬涛，赵海涛，顾冲时，魏洋，包腾飞，向镇洋

（1.南京林业大学土木工程学院，江苏南京210037；2.河海大学土木与交通学院，江苏南京210098；

3.河海大学水灾害防御全国重点实验室，江苏南京210098；4.四川省农村水利中心，四川成都610072）

摘要：水工混凝土结构服役期内易出现裂缝、钙质物析出等缺陷，传统人工巡检手段存在检测效率低、潜在风险

大、误判率高等劣势，难以在高耸结构区域实施。据此，本文提出一种基于多视图立体视觉和深度学习的水工混

凝土结构三维重建和缺陷定量辨识方法。以U-Net3+模型为基础，引入坐标注意力机制模块，提升对微小缺陷区

域的聚焦能力和复杂背景干扰场景缺陷分割精度；提出基于无人机图像的混凝土结构三维重建方法，构建视觉三

维重建逆向反演框架，开展逆向工程计算并还原成像过程，将二维图像中的缺陷与三维实景模型相结合，建立基

于多视图立体视觉的混凝土结构缺陷定位与量化方法。以混凝土梁和某混凝土高坝为例，验证所提方法的三维重

建精度、缺陷精细辨识和定位量化效果。结果表明，本文提出方法可实现水工混凝土结构缺陷的精确定量辨识和

空间定位，有效提高检测效率，为缺陷长期追踪监测提供技术支撑。

关键词：水工混凝土结构；缺陷识别；无人机航拍；机器视觉；人工智能

中图分类号：TV331文献标识码：Adoi：10.13243/j.cnki.slxb

1引言

［1］

受环境侵蚀和动静载荷作用，水工混凝土结构易出现性能退化和结构损伤现象。裂缝等缺陷通

常始发于水工混凝土结构表面，但易向结构内部延展并削弱结构承载能力，甚至引发工程安全事故。

目前人工缺陷检测方法采用船、吊篮或望远镜等识别并记录缺陷位置、尺寸和形态信息。然而，人工

巡检方法存在潜在风险高、依赖专家经验、效率低且误检率高等不足，尤其难以适用于高坝等高耸结

［2］

构检测场景。近些年来，无人机检测平台搭载高分辨率相机逐渐成为水工建筑物巡检新手段。但由

于水工混凝土构筑物结构空间跨度大且形式复杂，无人机巡检过程采集的图像信息量庞大，人工缺陷

信息提取手段效率低，易出现误检或漏检现象。

随着人工智能和计算机信息技术发展，深度学习被提出并用于混凝土结构缺陷图像识别诊断。深

［3］［4］

度学习模型通过大量图像数据与标签信息学习，可实现混凝土结构缺陷的像素级分割。冯春成针

对水电站溢流坝细小裂缝难以检测的问题，建立了融合混合注意力机制和深度学习的裂缝精细分割模

［5］

型。孟庆成等提出了基于轻量级M-Unet的裂缝语义分割模型，实现了混凝土结构裂缝的像素级分

收稿日期：2024-09-29；网络首发日期：2025-06-11

网络首发地址：https：//link./urlid/11.1882.TV1448.001

基金项目：西藏自治区科技计划项目（XZ202501ZY0009）；