基于卷积神经网络的房屋外墙裂缝检测分类系统  

作　　者：高晓楠 李韦洁 张宇彤 朱献超 

机构地区：[1]河南工业大学人工智能与大数据学院,河南郑州450001

出　　处：《电脑知识与技术》2024年第15期116-118,共3页Computer Knowledge and Technology

基　　金：大学生创新创业训练计划项目(项目编号:PX-38233887、PX-38233886、PX-38233884)。

摘　　要：随着经济的蓬勃发展和高层建筑的迅速增多,对外墙裂缝的精确检测变得日益关键。现有方法的主要目的是识别裂缝的存在与否,会增加大量不必要的信息。现有外墙裂缝识别模型存在无法充分反映裂缝在复杂环境中的特征信息等问题。因此,基于卷积神经网络(CNN)模型构建建筑外墙裂缝识别分类系统,能良好地应对实际检测时庞大的数据信息,并在识别出裂缝的同时,对裂缝进行种类划分和等级评定。其中裂缝种类划分为横纵网三类,等级评定分为轻中重三级,同时考虑无裂缝情况。该系统为无人机赋能,以采集高层建筑外墙图像数据信息用于检测。实验表明,该系统的平均准确率为92.46%,实用性较高,能极大减轻工作人员负担,优化资源分配,为建筑外墙裂缝检测提供高效助力。

关 键 词：卷积神经网络 分级分类评估 无人机赋能 裂缝检测识别 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]