《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計應(yīng)用 > 基于SegFormer語義分割網(wǎng)絡(luò)的橋梁裂縫檢測模型
基于SegFormer語義分割網(wǎng)絡(luò)的橋梁裂縫檢測模型
電子技術(shù)應(yīng)用 11期
李亦湘1，蘇國韶2,，黃涌1,，劉玉柳1，秦遠(yuǎn)卓2
（1.廣西壯族自治區(qū)建筑工程質(zhì)量檢測中心有限公司,，廣西 南寧530005,；2.廣西大學(xué) 土木建筑工程學(xué)院，廣西 南寧 530004）
摘要： 表觀裂縫檢測是橋梁結(jié)構(gòu)安全檢測的重要內(nèi)容,，針對橋梁裂縫人工檢測手段效率低以及基于一般的卷積神經(jīng)網(wǎng)絡(luò)（CNN）深度學(xué)習(xí)架構(gòu)的裂縫檢測模型耗時較大的問題,，基于計算機(jī)視覺領(lǐng)域表現(xiàn)優(yōu)異的深度學(xué)習(xí)架構(gòu)Transformer，提出一種基于SegFormer語義分割網(wǎng)絡(luò)的橋梁裂縫實(shí)時檢測模型,。研究表明,，該模型是可行的，與基于CNN架構(gòu)的LR-ASPP和BiSeNet V2等常用輕量級深度學(xué)習(xí)模型相比,，裂縫檢測的準(zhǔn)確性,、實(shí)時性與魯棒性明顯較優(yōu)，將此模型結(jié)合無人機(jī)航拍應(yīng)用于實(shí)際橋梁裂縫檢測,，取得了良好成效,。
中圖分類號：TP391.41；U447
文獻(xiàn)標(biāo)志碼：A
DOI: 10.16157/j.issn.0258-7998.234130
引用格式： 李亦湘,，蘇國韶,，黃涌，等. 基于SegFormer語義分割網(wǎng)絡(luò)的橋梁裂縫檢測模型[J]. 電子技術(shù)應(yīng)用,，2023,，49(11)：94-99.
Bridge crack detection model using SegFormer semantic segmentation network
Li Yixiang1，Su Guoshao2,，Huang Yong1,，Liu Yuliu1，Qin Yuanzhuo2
(1.Guangxi Construction Testing Center Co.,， Ltd.,， Nanning 530005， China,；2.College of Civil Engineering and Architecture,， Guangxi University,， Nanning 530004， China)
Abstract： The detection of surface cracks is a crucial aspect of bridge safety inspection. To address the issue of low efficiency of manual crack detection methods for bridges, and the time-consuming nature of conventional convolutional neural network (CNN)-based crack detection models, a real-time bridge crack detection model based on SegFormer semantic segmentation network is proposed. This model leverages the Transformer architecture, which has demonstrated excellent performance in computer vision. The study demonstrates the feasibility of the proposed model, which exhibits superior accuracy, real-time performance, and robustness in crack detection compared to commonly used lightweight CNN-based deep learning models such as LR-ASPP and BiSeNet V2. The proposed model, when combined with UAV aerial photography, has been applied to actual bridge crack detection, resulting in commendable outcomes.
Key words : bridge engineering,；crack detection,；semantic segmentation；deep learning

【引言】

裂縫是橋梁基礎(chǔ)設(shè)施安全運(yùn)行的重要威脅,，是橋梁結(jié)構(gòu)退化的最初跡象之一[1-2],，表觀裂縫檢測是橋梁結(jié)構(gòu)安全檢測的重要內(nèi)容[3-5]。傳統(tǒng)的橋梁裂縫人工檢測手段存在效率低,、實(shí)時性差與安全風(fēng)險高等問題,，亟待解決。

近年來,，計算機(jī)視覺技術(shù)快速發(fā)展,，其設(shè)備成本低、檢測速度快,、適用范圍廣等優(yōu)勢日益突出,，在裂縫檢測領(lǐng)域得到越來越廣泛的應(yīng)用[6-8]。在這類技術(shù)中,，又以深度學(xué)習(xí)作為裂縫檢測領(lǐng)域的主流方法,。例如，Zhang等[9]訓(xùn)練了一個深度卷積神經(jīng)網(wǎng)絡(luò),，對智能手機(jī)收集的圖像中的圖像塊進(jìn)行分類,；Kang等[10]集成了3種獨(dú)立的計算機(jī)視覺算法，其中基于Faster-RCNN[11]的裂縫檢測達(dá)到了95%的平均精度,；Liu等[12]首先采用U-Net[13]檢測混凝土裂縫,，能夠以更少的訓(xùn)練集達(dá)到更高的精度。在實(shí)際工程應(yīng)用中,，基于深度學(xué)習(xí)的裂縫檢測的耗時是一個影響裂縫檢測工作效率的重要因素[14-15],。然而，現(xiàn)有的大多數(shù)深度學(xué)習(xí)方法主要關(guān)注檢測準(zhǔn)確性,，而忽略實(shí)時性的問題,。這些方法存在模型參數(shù)龐大、算法計算量大的不足,，需要足夠的硬件資源來支持,，難以滿足實(shí)際應(yīng)用場景中對裂縫檢測實(shí)時性的要求，尤其是面對內(nèi)存小,、計算能力弱,、通信帶寬低等情況。

當(dāng)前，Transformer深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)已成為計算機(jī)視覺領(lǐng)域的熱點(diǎn),，它已經(jīng)在自然語言處理、計算機(jī)視覺等領(lǐng)域展現(xiàn)了前所未有的實(shí)力[16-18],。然而,，已有的基于計算機(jī)視覺的裂縫檢測多側(cè)重于卷積神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)，基于Transformer架構(gòu)的結(jié)構(gòu)裂縫識別研究較為少見,。SegFormer是一種新近出現(xiàn)的將Transformer和輕量級的多層感知器（MLP）相結(jié)合的語義分割框架,，在ADE20k[19]、Cityscapes[20]等數(shù)據(jù)集上取得了優(yōu)越結(jié)果[21],。本文提出一種基于SegFormer語義分割網(wǎng)絡(luò)的橋梁表觀裂縫實(shí)時檢測模型,，為橋梁結(jié)構(gòu)表觀裂縫的高效快速檢測提供一條新的有效途徑。


文章詳細(xì)內(nèi)容下載請點(diǎn)擊：基于SegFormer語義分割網(wǎng)絡(luò)的橋梁裂縫檢測模型AET-電子技術(shù)應(yīng)用-最豐富的電子設(shè)計資源平臺 (chinaaet.com)


【作者信息】

李亦湘1,，蘇國韶2,，黃涌1，劉玉柳1,，秦遠(yuǎn)卓2

（1.廣西壯族自治區(qū)建筑工程質(zhì)量檢測中心有限公司,，廣西 南寧530005；2.廣西大學(xué) 土木建筑工程學(xué)院,，廣西 南寧 530004）


此內(nèi)容為AET網(wǎng)站原創(chuàng),，未經(jīng)授權(quán)禁止轉(zhuǎn)載。