桥梁表观病害检测是确保桥梁安全的关键步骤.然而,桥梁表观病害类型多样,不同病害间外观差异显著且病害之间可能发生重叠,现有算法无法实现快速且准确的桥梁多病害检测.针对这一问题,对YOLO(You only look once)进行了改进,提出了YOLO-l...
详细信息
桥梁表观病害检测是确保桥梁安全的关键步骤.然而,桥梁表观病害类型多样,不同病害间外观差异显著且病害之间可能发生重叠,现有算法无法实现快速且准确的桥梁多病害检测.针对这一问题,对YOLO(You only look once)进行了改进,提出了YOLO-lump和YOLO-crack以提高网络检测多病害的能力,进而形成基于双网络的桥梁表观病害快速检测算法.一方面,YOLO-lump在较大的滑动窗口图像上实现块状病害的检测.在YOLO-lump中,提出了混合空洞金字塔模块,其结合了混合空洞卷积与空间金字塔池化,用于提取稀疏表达的多尺度特征,同时可以避免空洞卷积造成的局部信息丢失;另一方面,YOLO-crack在较小的滑动窗口图像上实现裂缝病害的检测.在YOLO-crack中,提出了下采样注意力模块,利用1×1卷积和3×3分组卷积分别解耦特征的通道相关性和空间相关性,可以增强裂缝在下采样阶段的前景响应,减少空间信息的损失.实验结果表明,该算法能够提高桥梁表观病害检测的精度,同时可实现病害的实时检测.
桥梁作为国家交通网络的关键设施之一,其安全与社会稳定、经济发展、国计民生紧密相连。桥梁表观病害检测是确保桥梁安全的关键步骤,及时有效地对桥梁进行检测,可以实时监测桥梁整体健康状况,进而发现并修复病害,这将极大延长桥梁的使用寿命。因此,对桥梁表观病害自动检测技术的研究具有重要的意义。桥梁表观病害类型多样,常见病害有蜂窝、漏筋、孔洞和裂缝等。然而,在实际应用中,不同病害间外观差异显著且病害之间可能发生重叠,给检测造成极大的困难。此外,在利用桥梁智能检测机器人对桥梁数据进行采集过程中,将产生大量的高分辨率图像,现有算法无法实现快速且准确的桥梁多病害检测。为了准确且高效地评估桥梁健康状况,亟需提出一套桥梁表观病害检测算法对高分辨率桥梁图像进行快速精准的检测与筛查。为了提升检测准确率,本文对YOLO(You only look once)进行了改进,提出了YOLOlump和YOLO-crack以提高网络检测多病害的能力,进而形成基于双网络的桥梁表观病害快速检测算法。一方面,YOLO-lump在较大的滑动窗口图像上实现块状病害(包括蜂窝、漏筋和孔洞病害)的检测。在YOLO-lump中,提出了混合空洞金字塔模块,其结合了混合空洞卷积与空间金字塔池化,用于提取稀疏表达的多尺度特征,同时可以避免空洞卷积造成的局部信息丢失。另一方面,YOLO-crack在较小的滑动窗口图像上实现裂缝病害的检测。在YOLO-crack中,我们提出了下采样注意力模块,其利用1×1卷积和3×3分组卷积分别解耦特征的通道相关性和空间相关性,可以增强裂缝在下采样阶段的前景响应,减少空间信息的损失。此外,基于生成式对抗网络的数据增广以及Focal loss损失函数被用于进一步提升YOLO-lumpy和YOLO-crack的网络性能。为了提高检测速度,快速处理大量的高分辨率图像,利用网络缩放和跨阶段局部连接对网络进行轻量化改进,实现了检测精度和检测速度的平衡。为验证所提出算法的有效性,本文在169621张高分辨率图像(5120×5120像素)上对算法进行了训练和测试。实际应用性能测试实验结果表明,本文算法能够提高桥梁表观病害检测的精度,同时可实现病害的实时检测,检测一张高分辨率图像仅花费0.995秒。
暂无评论