基于深度学习的建筑表面裂缝缺陷识别

• 作者: 陈墨 杨沛 陈丽君
• 来源期刊: 齐齐哈尔大学学报（自然科学版）
• 关键词: 深度学习 建筑表面裂缝 缺陷识别 阈值分割 卷积特征模块
• 年，卷（期）: 2021,（5）
• 页码范围: 57-61,66
• 页数: 6页
• 分类号: TU755.7|TP399
• 语种: 中文
• DOI: 10.3969/j.issn.1007-984X.2021.05.013

摘要

针对传统建筑表面裂缝缺陷中存在识别效率低下、且识别精度较低的问题,为此,提出了基于深度学习的建筑表面裂缝缺陷识别方法.首先采集建筑表面裂缝缺陷的图像数据,然后将采集图像采样与量化,以实现缺陷图像的数字化处理.将上述数字化后的图像数据进行阈值分割、滤波以及以及增强等,完成建筑表面图像的预处理;构建R-CNN深度学习模型,模型结构分为四部分,包括输入图像模块、生成模块、提取卷积特征模块以及分类和边框回归模块.将建筑表面裂缝图像输入构建的深度学习模型中,完成建筑表面裂缝缺陷的识别.实验结果表明,采用所提方法识别建筑表面裂缝缺陷的效率较高,且识别的精度较好.