公开(公告)号：CN114674827B

公开(公告)日：2024-09-20

申请号：CN202210214466.6

申请日：2022-03-04

Applicant: 兰州交通大学

Inventor： 季坤 ,  张振海 ,  闵永智 ,  余家乐 ,  党建武

IPC: G01N21/88 ,  G01M5/00

Abstract: 本发明公开了一种基于两阶段深度学习策略的桥梁裂纹检测方法，将分类网络与分割网络相结合，首先利用分类网络对高分辨率桥梁裂纹图像中的裂纹位置进行粗定位，通过对YOLOx的剪枝，将目标检测的回归问题转换为二分类问题，避免卷积神经网络因平移不变性带来的网络性能降低，同时，为提升模型性能，DBCC‑Net中嵌入了全局感知模块，避免传统方法将图像切片而导致切片间信息不共享的问题。然后进行分类网络后处理，包括模型修正和切片聚类；最后利用DDRNet对切片图像进行像素级分割，提取出裂缝完整形态。本发明可用于高分辨率桥梁裂纹图像的像素级快速检测，实现了高效率、高精度的裂纹检测，具有较高实用价值。

公开(公告)号：CN114674827A

公开(公告)日：2022-06-28

申请号：CN202210214466.6

申请日：2022-03-04

Applicant: 兰州交通大学

Inventor： 季坤 ,  张振海 ,  闵永智 ,  余家乐 ,  党建武

IPC: G01N21/88 ,  G01M5/00

Abstract: 本发明公开了一种基于两阶段深度学习策略的桥梁裂纹检测方法，将分类网络与分割网络相结合，首先利用分类网络对高分辨率桥梁裂纹图像中的裂纹位置进行粗定位，通过对YOLOx的剪枝，将目标检测的回归问题转换为二分类问题，避免卷积神经网络因平移不变性带来的网络性能降低，同时，为提升模型性能，DBCC‑Net中嵌入了全局感知模块，避免传统方法将图像切片而导致切片间信息不共享的问题。然后进行分类网络后处理，包括模型修正和切片聚类；最后利用DDRNet对切片图像进行像素级分割，提取出裂缝完整形态。本发明可用于高分辨率桥梁裂纹图像的像素级快速检测，实现了高效率、高精度的裂纹检测，具有较高实用价值。