文献类型：期刊文章

作　　者：饶勇成[1] 韩晓健[1] 肖飞[2] 孙思其[1]

RAO Yongcheng;HAN Xiaojian;XIAO Fei;SUN Siqi(College of Civil Engineering,Nanjing Tech University,Nanjing 211800,China;Jiangsu Jian Yan Civil Engineering Quality Appraisal Co.,Ltd.,Nanjing 211800,China)

机构地区：[1]南京工业大学土木工程学院,南京211800 [2]江苏建研建设工程质量安全鉴定有限公司,南京211800

出　　处：《建筑结构》

年　　份：2021

卷　　号：51

期　　号：S02

起止页码：1439-1445

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：本文针对混凝土常见病害,提出了一种改进Unet网络对混凝土多病害进行检测的方法,建立了一个包含混凝土裂缝、泛碱、剥落、露筋、孔洞数据集;再裁剪原始图像,选取10000张小块图像进行随机翻转,共产生13200张病害数据集用于研究;最后,将数据集对改进的Unet网络进行训练、验证和测试,实现了像素级病害区域识别。为验证网络模型性能,将模型与原Unet、基于VGG16的Unet、FCN和基于ResNet50的FCN进行了比较,结果表明所改进的网络模型检测效果优于其他模型。为测试模型鲁棒性,利用滑动窗口算法对不同环境下的混凝土病害进行全局检测,取得了较好的检测效果。

关 键 词：深度学习  语义分割  混凝土 病害检测

分 类 号：TU317] TP18]