基于深度学习的混凝土结构多病害检测

本文针对混凝土常见病害,提出了一种改进Unet网络对混凝土多病害进行检测的方法,建立了一个包含混凝土裂缝、泛碱、剥落、露筋、孔洞数据集;再裁剪原始图像,选取10000张小块图像进行随机翻转,共产生13200张病害数据集用于研究;最后,将数据集对改进的Unet网络进行训练、验证和测试,实现了像素级病害区域识别。为验证网络模型性能,将模型与原Unet、基于VGG16的Unet、FCN和基于ResNet50的FCN进行了比较,结果表明所改进的网络模型检测效果优于其他模型。为测试模型鲁棒性,利用滑动窗口算法对不同环境下的混凝土病害进行全局检测,取得了较好的检测效果。

资料为PDF文档格式.

本文档关键词:深度,多病,混凝土结构,学习,害检测