【技术实现步骤摘要】
基于深度学习的钢筋混凝土构件表面裂缝的快速识别方法
：
[0001]本专利技术涉及钢筋混凝土
，具体涉及一种基于深度学习的钢筋混凝土构件表面裂缝的快速识别方法。
技术介绍
：
[0002]混凝土构件的裂缝是结构损伤评估中的一个重要特征，在利用裂缝图像数据评估裂缝对结构的损伤程度之前需要对裂缝进行识别，由于混凝土结构所处环境复杂多变，采集图像过程中也会掺入许多干扰项，如污点、光照等，因此使用传统的图像处理法识别裂缝时有诸多限制。而对于深度学习来说，利用足够多的数据集可以尽可能的减少干扰项，因此本专利技术基于深度学习算法对混凝土构件表面的裂缝进行识别。
[0003]目前，利用深度学习技术识别混凝土构件表面损伤的研究越来越多。有学者利用语义分割网络DeepLabV3+、ConvNet神经网络、经改进的GoogLeNet的卷积神经网络等方法对钢筋混凝土桥梁或道路的裂缝识别进行研究，有的研究准确度高达97.95％。有关钢筋混凝土既有构件中的裂缝识别技术已经较多，但是所识别的裂缝通常具有非连续性，且识别范围较小，有待进一步完善...
【技术保护点】
【技术特征摘要】
1.基于深度学习的钢筋混凝土构件表面裂缝的快速识别方法，其特征在于，包括以下步骤：步骤一、裂缝图像数据集获取及其预处理：(1)采集裂缝原始图像；(2)采用PS软件对原始图像中裂缝进行标记，并添加标签；(3)将原始图像裁剪为像素大小一致的小图像，增加样本数量，并去除不含目标裂缝的图像，确定训练集、验证集和测试集的数量；步骤二、深度学习网络模型的构建：(1)选择DeeplabV3+语义分割模型建立框架；(2)原始图像输入到Deeplab V3+模型的Encoder结构中，期间其主干网络Xception会从图像中抓取一个高尺度的特征图引入Decoder结构中，以提供边缘特性；另外经过一个1
...
【专利技术属性】
技术研发人员：洪丽，朱玲玲，张鹏，宇周亮，李明明，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。