【技术实现步骤摘要】
本专利技术涉及桥梁水下结构病害识别领域，具体为桥梁水下结构病害识别模型评价方法、系统及设备。
技术介绍
1、桥梁作为现代交通基础设施的核心组成部分，其水下结构长期处于复杂水环境作用下，易受水流冲刷、化学腐蚀、生物附着及机械荷载等多因素影响，导致混凝土剥落、钢筋锈蚀、裂缝扩展等病害。传统检测主要依赖人工潜水目视检查或水下机器人(rov)搭载摄像设备进行影像采集，存在作业风险高、效率低、主观性强且难以实现高频次监测等问题。近年来，基于计算机视觉与深度学习的水下结构病害智能识别技术快速发展，通过目标检测及语义分割模型可自动识别病害特征，显著提升检测效率。
2、然而，现有技术多聚焦于模型本身的算法优化，缺乏针对水下场景特性的系统性能评估体系，评估指标单一化，过度依赖准确率、召回率等通用指标，忽视水下图像模糊、低对比度、悬浮物干扰等特殊环境对模型鲁棒性的影响；工程适用性缺失，未结合实际桥梁水下检测任务需求，导致模型部署后出现性能衰减，为此，本专利技术提出桥梁水下结构病害识别模型评价方法、系统及设备
技术实现
本文档来自技高网...【技术保护点】
1.桥梁水下结构病害识别模型评价方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的桥梁水下结构病害识别模型评价方法，其特征在于，桥梁水下结构表观病害图像通过工业双目相机对足尺桥墩构件病害采集得到。
3.根据权利要求2所述的桥梁水下结构病害识别模型评价方法，其特征在于：所述病害识别模型输出的病害识别信息为十次并行训练融合后的结果，对相同的病害识别模型使用同样的超参数和数据集进行并行训练。
4.根据权利要求3所述的桥梁水下结构病害识别模型评价方法，其特征在于，所述病害识别信息融合了单模型集成策略，在数据采样方面，使用了依赖数据集...
【技术特征摘要】
1.桥梁水下结构病害识别模型评价方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的桥梁水下结构病害识别模型评价方法，其特征在于，桥梁水下结构表观病害图像通过工业双目相机对足尺桥墩构件病害采集得到。
3.根据权利要求2所述的桥梁水下结构病害识别模型评价方法，其特征在于：所述病害识别模型输出的病害识别信息为十次并行训练融合后的结果，对相同的病害识别模型使用同样的超参数和数据集进行并行训练。
4.根据权利要求3所述的桥梁水下结构病害识别模型评价方法，其特征在于，所述病害识别信息融合了单模型集成策略，在数据采样方面，使用了依赖数据集策略，所有病害识别模型使用相同的数据集进行训练、验证和测试。
5.根据权利要求4所述的桥梁水下结构病害识别模型评价方法，其特征在于，所述单模型集成策略指在训练基线分类器方面，使用了并行集成方法，在同一时间训练多个相同的病害识别模型，各自独立生成数据，最终进行数据融合，得到输出的病害识别信息；
6.根据权利要求5所述的任务导向的桥梁水下结构病害识别模型评价方法，其特征在于，多种不同分割模型和骨架搭配的病害识别模型，分别为unet-vgg、unet-resnet50、pspnet-mobile...
【专利技术属性】
技术研发人员：侯士通，沈涵，吴智深，孙伟豪，张建，王宇轩，
申请(专利权)人：东南大学，
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。