基于FasterR-CNN的建筑物安全评估设计  

作　　者：姚铃枫 张银行[1] 

机构地区：[1]吉首大学通信与电子工程学院,湖南 吉首 416000

出　　处：《中文科技期刊数据库(全文版)自然科学》2024年第8期201-205,共5页

基　　金：2022年吉首大学大学生创新训练计划项目;湖南省教育厅科学研究项目(22B0525)。

摘　　要：为了实现快速检测建筑物是否存在安全隐患,本文提出基于Faster R-CNN的建筑物裂缝智能探测技术。本文主要通过无人机以及手机等设备采集数据裂缝图像,并对裂缝图像进行筛选处理。分析计算裂纹的长度、面积、平均宽度,设定阈值,构建墙面裂纹目标检测数据。采用ResNet50作为特征提取网络,训练完成后,通过对100幅没有参与识别的建筑物图像进行验证,显示图片裂纹等级的概率。验证结果表明,裂纹类型识别准确率达89.53%,同时判断出建筑物的损坏情况。该技术对于背景复杂的裂缝图像具有更高的探测效率、准确性和鲁棒度。

关 键 词：FASTER R-CNN 鲁棒度 目标检测 ResNet50 

分 类 号：TP302.1[自动化与计算机技术—计算机系统结构]