基于改进ResNext的混凝土表面粗糙度检测方法技术

本发明专利技术公开了一种基于改进ResNext的混凝土表面粗糙度检测方法；该方法包括以下步骤：（1）数据准备；（2）数据增强；（3）模型搭建：基于ResNext50网络、CBAM注意力机制模块和深度可分离卷积构建混凝土表面粗糙度的检测模型；（4）数据迁移；（5）模型训练：将数据增强后的图像数据、预训练的权重文件加载到建立的模型中，进行模型的训练；（6）粗糙度检测。本发明专利技术方法利用深度可分离卷积减少了网络的参数，减少了对计算机算力的消耗；通过迁移学习，提高了分类准确率，加快了学习效率；检测模型具有鲁棒性；实现操作简便，检测精度高。检测精度高。检测精度高。

【技术实现步骤摘要】
基于改进ResNext的混凝土表面粗糙度检测方法


[0001]本专利技术涉及计算机图像处理领域，具体地说是一种基于改进ResNext和迁移学习的混凝土表面粗糙度检测方法。

技术介绍

[0002]钢筋混凝土叠合板在装配式混凝土结构中应用较为广泛。叠合板作为预制构件在连接过程中存在大量的接缝，接缝的性能将对结构的整体安全产生重要的影响，而结合处表面的粗糙度对接缝性能的影响最为显著。为了确保装配式建筑的安全，有必要对钢筋混凝土表面粗糙度进行准确的测量。目前常见的混凝土表面粗糙度测量方法有：灌砂法、机械探针法、激光扫描发以及数字图像处理等方法。灌砂法易受天气的影响且只适合于水平的表面。机械探针法操作复杂并且无法现场操作。激光扫描法有着非接触式、精确性和数据可视化等优势，但设备昂贵同样更适合于实验室测量。随着计算机视觉的发展，通过数字图像处理法提取图像中的有效信息构建与粗糙度的关系函数实现有效测量。但异常环境和各种未知因素对测量准确率有较大影响。

技术实现思路

[0003]本专利技术的目的就是为了克服上述现有技术的缺陷，提供了一种基于改进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进ResNext和迁移学习的混凝土表面粗糙度检测方法，其特征在于，包括如下步骤：步骤1：数据准备采集混凝土的粗糙面表面的图像，通过Freestyle 3D扫描设备获取粗糙面的真实粗糙度值，对采集的图片按照真实的粗糙度值标注为不同类别的样本，并按比例划分训练数据集和验证数据集；步骤2：数据增强对原始图像进行旋转、高斯模糊、光照增强和削弱，进行数据增强，增加训练样本数量；步骤3：模型搭建基于ResNext50网络、CBAM注意力机制模块和深度可分离卷积构建一个轻量级的混凝土表面粗糙度的检测模型；步骤4：数据迁移在步骤3搭建的改进ResNext网络中，利用样本数量庞大的混凝土裂缝数据集做预训练，得到模型权重文件；步骤5：模型训练利用步骤2数据增强后的图像作为输入，通过步骤4预训练后的权重文件对步骤3中网络模型参数做初始化，接着选择不同超参数进行模型的训练；步骤6：粗糙度检测每一张图片通过步骤5训练得到的模型进行检测，模型的输出层为全连接层+softmax层，通过最大概率获取预测的类别；同时，利用每个类别粗糙度的加权平均值来估计表面粗糙度。2.根据权利要求1所述的检测方法，其特征在于，步骤1中，按照真实的粗糙度数值，将样本分为：一级、二级和三级，对应关系如下：粗糙度数值＜1.5mm，一级，粗糙度特征为光滑；粗糙度数值≥1.5mm且＜3.0mm，二级，粗糙度特征为粗...

【专利技术属性】
技术研发人员：左健存，马佳军，李光洁，詹强，吴丹丹，常远培，薛颖，张宇，
申请(专利权)人：上海第二工业大学，
类型：发明
国别省市：