融合自注意力机制与深度学习的混凝土表面裂隙智能识别

• 作者: 哈纳提·吐尔森哈力 林杭
• 来源期刊: 铁道科学与工程学报
• 关键词: 深度学习 全卷积神经网络 自注意力机制 裂隙识别
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 高速铁路技术与智慧交通|High-speed Rail Technology and Intelligent Transportation
• 页码范围: 844-852
• 页数: 9页
• 分类号: TU455
• 语种: 中文
• DOI: 10.19713/j.cnki.43-1423/u.T20200575

摘要

混凝土裂隙几何信息识别的精确度,影响后期工程的安全.而传统的检测方法存在对裂隙识别不准、不全、不即时的缺陷,无法满足精度和实效性的现实需求.本文提出一种融合自注意力机制与全卷积神经网络的图像分割算法,以混凝土裂隙图像建立数据集,搭建深度学习网络;以全卷积神经网络训练模型,使用空间自注意力模块调整特征编码,输出基于自注意力机制模块识别的高精度二值图.经精准率、召回率、平均交并比和综合评价指标等维度同传统图像分割方法进行对比,结果显示,本文方法得到的混凝土裂隙二值图与原图最相近,在定量上精准率、召回率、平均交并比和综合评价指标分别达到62.93％,88.08％,72.21％和83.86％,进而验证本文提出的方法优于传统方法裂隙识别方法.