基于改进YOLOv3网络对混凝土表面裂缝目标识别研究  

作　　者：雷斯达 林杰 黄思璐 肖强 黄玉冰 

机构地区：[1]公路建设与养护技术材料及装备交通运输行业研发中心,武汉市430000 [2]湖北交投智能检测股份有限公司,武汉市430000

出　　处：《公路》2024年第1期270-275,共6页Highway

基　　金：湖北省交通运输厅科技项目“公路桥梁大数据系统开发与技术研究”,项目编号2020-186-4-4。

摘　　要：桥梁健康监测对于桥梁的安全运营至关重要,为了在桥梁检测工作中能更便捷、可靠地完成图像中裂缝的识别与标定工作,达成提升深度学习模型的可靠性和运行效率等目标,提出一种结合YOLOv3与MobileNet神经网络的深度学习算法。通过选用CIOU来度量预测框与真实框的距离与重合程度,使得预测框的效果更加稳定,选择MobileNet替换YOLOv3中的主干网络,改进后模型的平均识别精度超过90%,处理单张图像用时仅需38.1ms,实现模型参数轻量化、结构稳定化、识别快速化的目标。同时,该方法对于存在不利识别因素的图像也具备较好的识别效果。研究结果表明:该方法能够对桥梁混凝土结构表面的裂缝目标进行有效地识别与标定。

关 键 词：桥梁工程 桥梁观测与设备 裂缝识别 YOLO 裂缝图像 MobileNet 

分 类 号：U446.2[建筑科学—桥梁与隧道工程] U495[交通运输工程—道路与铁道工程]