一种基于深度学习的混凝土结构检测方法技术

本发明专利技术公开了一种基于深度学习的混凝土结构检测方法，该方法通过对混凝土结构损伤图像预处理形成裂缝图像数据集；将裂缝图像数据集输入改进的神经网络中进行训练，最后再次收集混凝土结构损伤图像，经预处理输入已经训练好的改进的神经网络模型中，输出混凝土结构损伤识别的分类结果。该方法减少了神经网络对混凝土裂缝图像数量的依赖性，降低了运算成本，并保留了深度学习神经网络能够快速准确识别目标的优点，具有更强的鲁棒性和泛化能力。具有更强的鲁棒性和泛化能力。具有更强的鲁棒性和泛化能力。

【技术实现步骤摘要】
一种基于深度学习的混凝土结构检测方法


[0001]本专利技术涉及钢筋混凝土结构裂缝损伤检测和构件分类领域，尤其涉及一种基于深度学习的混凝土结构检测方法。

技术介绍

[0002]钢筋混凝土结构广泛用于生活中的各种建筑物中，且混凝土是目前工程上用量最大的一种建筑材料。钢筋混凝土结构构件在受拉、受剪、温度变化等外界或者内部条件的作用下，其在使用或在施工过程中会产生一些影响结构耐久性性、安全性、适用性的裂缝。而随着裂缝的开展，裂缝问题会造成保护层脱落、钢筋锈蚀、影响美观甚至降低结构承载能力等问题。为了检测这些裂缝，目前可以把检测方法分为人工测量识别、传统机器视觉识别(IPTS,边缘检测等)和现在基于深度学习的计算机视觉识别方法。传统人工检查方法的不足之处在于许多民用基础设施已经逐步接近其设计预期寿命，这对检查人员以及结构物周围的人员会产生一定的安全隐患问题，且费时费力，结果的准确性也不高。但IPTS识别方法会因为图像的变化而影响检测结果，即泛化性差，准确性低。边缘检测法在裂缝识别领域中效果较差，对噪声比较敏感，抗干扰能力较差，所以以往的方法或多或少存在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的混凝土结构检测方法，其特征在于，具体包括如下步骤：(1)构建裂缝图像数据集：收集混凝土结构构件裂缝图像，按照混凝土结构的构件类型和损坏情况，对收集的混凝土结构图像进行标注，获得图像标签，随后通过移位、反射、翻转、缩放和颜色抖动对收集的混凝土结构图像进行图像增强预处理，获得裂缝图像数据集；所述裂缝图像数据集分为训练集和测试集。(2)改进神经网络：将ImageNet上预训练好的ResNet34模型作为基础，先去掉ResNet34模型尾端的全连接层，并将AdaptiveAvgPool2d层、AdaptiveMaxPool2d层并联在预训练好的ResNet34模型尾部，随后依次与BatchNorm1d层、Dropout层、中间全连接...

【专利技术属性】
技术研发人员：舒江鹏，赵唯坚，张佳玮，姬熠冉，
申请(专利权)人：浙江大学建筑设计研究院有限公司，
类型：发明
国别省市：