基于全U网络的混凝土路面裂缝检测算法

被引：8

作者：

瞿中 ^{[1
]}

谢钇 ^{[1
]}

机构：

[1] 重庆邮电大学软件工程学院

来源：

计算机科学 | 2021年 / 48卷 / 04期

关键词：

裂缝检测; U-net模型; 全U网络;

D O I：

暂无

中图分类号：

U418.6 [路面的养护与维修]; TP391.41 [];

学科分类号：

080203 ; 0814 ;

摘要：

针对现有的混凝土裂缝检测算法在各种复杂环境中检测精度不够、鲁棒性不强的问题,根据深度学习理论和U-net模型,提出一种全U型网络的裂缝检测算法。首先,依照原U-net模型路线构建网络;然后,在每个池化层后都进行一次上采样,恢复其在池化层之前的特征图规格,并将其与池化之前的卷积层进行融合,将融合之后的特征图作为新的融合层与原U-net网络上采样之后的网络层进行融合;最后,为了验证算法的有效性,在测试集中进行实验。结果表明,所提算法的平均精确率可达到83.48%,召回率为85.08%,F1为84.11%,相较于原U-net分别提升了1.48%,4.68%和3.29%,在复杂环境中也能提取完整裂缝,保证了裂缝检测的鲁棒性。

引用

页码：187 / 191

页数：5

共 5 条

[1] 采用U-Net卷积网络的桥梁裂缝检测方法
朱苏雅
杜建超
李云松
汪小鹏
[J]. 西安电子科技大学学报, 2019, 46 (04) : 35 - 42
[2] Eliminating Lining Seams in Tunnel Concrete Crack Images via Line Segments' Translation and Expansion[J] . Zhong Qu,Si-Qi Chen,Yu-Qin Liu,Ling Liu.IEEE Access . 2019
[3] The algorithm of accelerated cracks detection and extracting skeleton by direction chain code in concrete surface image
Qu, Z.
Guo, Y.
Ju, F-R.
Liu, L.
Lin, L-D.
[J]. IMAGING SCIENCE JOURNAL, 2016, 64 (03): : 119 - 130
[4] Dropout: a simple way to prevent neural networks from overfitting[J] . Nitish Srivastava,Geoffrey E. Hinton,Alex Krizhevsky,Ilya Sutskever,Ruslan Salakhutdinov.Journal of Machine Learning Research . 2014 (1)
[5] Fast crack detection method for large-size concrete surface images using percolation-based image processing
Yamaguchi, Tomoyuki
Hashimoto, Shuji
[J]. MACHINE VISION AND APPLICATIONS, 2010, 21 (05) : 797 - 809

← 1 →