基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术  

作　　者：鲜荣 刘天成 朱超 王伟 

机构地区：[1]广东省公路建设有限公司,广州市511447 [2]黄茅海跨海通道管理中心,珠海市519055 [3]中交公路长大桥建设国家工程研究中心有限公司,北京市100088

出　　处：《公路》2023年第12期368-374,共7页Highway

摘　　要：传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题,已不能满足当今桥梁检测任务的要求。针对上述问题,本研究结合目标检测与语义分割技术,提出了一套桥梁表观病害智能识别算法,完成了桥梁病害的智能识别与尺寸计算任务。研究中通过多种手段收集桥梁病害图像,构建桥梁表观病害目标检测数据集和语义分割数据集;训练了YOLOv5病害识别及定位网络和DeepLabv3+病害区域提取网络;对病害区域提取结果进行噪点去除、毛刺剔除、裂缝体分解等预处理后,采用邻域划分和正交骨架实现了病害长、宽尺寸的计算,并在桥梁实拍病害图像上进行了算法测试。本研究开发的病害识别技术实现了桥梁表观病害高效率、高精度的自动识别和尺寸计算,提升了桥梁检测的工作效率和安全性。

关 键 词：桥梁工程 桥梁表观病害 病害智能识别 YOLOv5 DeepLabv3+ 病害尺寸计算 

分 类 号：U445.71[建筑科学—桥梁与隧道工程]