|
||
水力发电学报 ›› 2021, Vol. 40 ›› Issue (3): 134-144.doi: 10.11660/slfdxb.20210313
摘要: 卷积神经网络(convolutional neural network,CNN)算法是目前进行裂缝图像识别的常用方法。但目前仍存在卷积神经网络过于复杂、训练参数多、设备配置要求高和检测实时性低等问题。针对以上问题,本文提出一种基于轻量化CNN的混凝土表面裂缝识别方法。通过搭建轻量化全卷积神经网络(light-weight full convolutional neural network,LFNet)解决目前经典的卷积神经网络中训练参数过多的问题;采用基于高斯梯度变化的阈值分权法,对存在裂缝的图像进行分析,提取裂缝特征;最后采用基于欧氏距离的裂缝宽度算法实现对裂缝宽度分析计算。实验结果表明,本文所提的LFNet优于目前经典的卷积神经网络,其精确率、召回率和综合评价函数值三个参数分别达到97.944%、98.277%、98.108%,裂缝宽度特征参数的计算误差可控制在0.5 mm以内。
京ICP备13015787号-3 版权所有 © 2013《水力发电学报》编辑部 编辑部地址:中国北京清华大学水电工程系 邮政编码:100084 电话:010-62783813 本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn |