基于深度学习的大坝裂缝检测方法研究

• 作者: 王泽矫 张起睿 方冬冬 王新鹏
• 来源期刊: 水利规划与设计
• 学科: 工学
• 关键词: 深度学习 大坝裂缝检测 数据集 特征计算
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 科研与管理
• 页码范围: 90-94
• 页数: 5页
• 分类号: TV642
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2469.2022.01.020

摘要

大坝裂缝的智能化实时监测,对管控大坝风险具有重要意义.文章提出了一种基于深度学习的大坝裂缝检测方法,采用了基于SegNet的网络模型,对原网络模型算法进行了优化,使用权值衰减正则化方法及动量优化算法提高网络学习性能.为验证该方法的有效性,构建了标准的大坝裂缝数据集,利用网络模型对训练集数据进行特征学习,采用测试集数据对训练好的网络进行测试,并对测试结果进行定性和定量分析,实验证明使用该方法进行大坝裂缝检测具有较高的效率和精度.