基于全卷积神经网络的坝面裂纹检测方法研究

• 作者: 刘昭伟 张华 李永龙 汪双 王皓冉 谢辉 陈波
• 来源期刊: 水力发电学报
• 学科: 工学
• 关键词: 深度学习 全卷积神经网络 坝面裂纹检测 双边滤波 定量化检测
• 年，卷（期）: 2020,（7）
• 页码范围: 52-60
• 页数: 9页
• 分类号: TP393
• 语种: 中文
• DOI: 10.11660/slfdxb.20200706

摘要

针对常规裂纹检测方法难适用于坝面裂纹检测的问题,提出一种基于全卷积神经网络的裂纹检测方法,主要解决混凝土坝面裂纹的定量化检测问题.该检测方法引入图像预处理与形态学后处理相结合的方式,分别对原始数据和预测结果进行优化,提升检测精度;并根据坝面数据特点对传统FCN(fully convolutional network)网络进行改进,得到针对性更强的裂纹检测网络C-FCN (crack fully convolutional network),提升对裂纹检测的准确率;结合成像原理提取定量化信息,避免繁杂的相机标定工作,更加高效客观.利用该检测方法对实际工程进行实测,像素准确率、召回率和交并比分别达到75.13％、86.84％和60.15％,相比传统FCN网络,三项指标分别提升5.61％、16.56％、13.22％,同时定量化误差小于5％,裂纹平均宽度均不超过5mm.该检测方法能够实现对坝面裂纹的精准识别和定量,为坝面后期风险评估和维护提供有力的数据支撑,具有显著的工程意义.