斜拉索表观病害图像智能识别综述

作     者：张洪 蒋小刚 朱志伟 夏润川 周建庭 ZHANG Hong;JIANG Xiaogang;ZHU Zhiwei;XIA Runchuan;ZHOU Jianting

作者机构：重庆交通大学省部共建山区桥梁及隧道工程国家重点实验室重庆400074 重庆交通大学信息科学与工程学院重庆400074 

出 版 物：《西南交通大学学报》 (Journal of Southwest Jiaotong University)

年 卷 期：2025年第60卷第1期

页      面：10-26页

核心收录：

学科分类：081406[工学-桥梁与隧道工程] 08[工学] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金项目(52278291,U20A20314) 重庆市自然科学基金项目(CSTB2022NSCQ-LZX0006,CSTB2022TIADKPX0205) 中国博士后科学基金项目(2021MD703915) 

主　　题：斜拉索 表观病害 图像识别 深度学习 

摘      要：斜拉索是斜拉桥的主要承重构件之一,其外层护套病害容易渗透影响索内钢丝健康,采用视频图像法智能识别出拉索表观病害意义重大.从传统图像检测和深度学习两方面系统地综述了基于图像识别的斜拉索表观损伤识别方法,以及各个方法的基本原理和应用效果,对目前的检测实例进行深入分析;介绍一些前沿深度学习方法,为拉索表观检测提供参考;归纳各类方法的主要特点,对目前检测中存在的问题进行了探讨和展望.以深度学习模型为主的图像识别方法具有较好的识别准确率和算法鲁棒性、较强的学习能力和适应性,综合图像缺陷识别效果最优,但仍存在检测精度和速度难平衡、图像数据需求大和标注成本高等难点.为此,可以采取提高图像质量、构建更多半监督和无监督相关的深度学习模型、提升检测模型学习能力等手段改善检测方法.