[1]孟庆成 万达 吴浩杰 李明健 齐欣.基于卷积神经网络的混凝土裂缝图像识别方法[J].沈阳建筑大学学报(自科版),2021,(5):832-840.[doi:10.11717/j.issn:2095-1922.2021.05.08]
点击复制

基于卷积神经网络的混凝土裂缝图像识别方法()
分享到：

《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2021年第5期
页码:
832-840
栏目:
土木工程
出版日期:
2021-09-30

文章信息/Info

作者:
孟庆成 万达 吴浩杰 李明健 齐欣
关键词:
裂缝识别; 机器学习; 迁移学习; ResNet18; 混淆矩阵
DOI:
10.11717/j.issn:2095-1922.2021.05.08
摘要:
目的 提出一种基于卷积神经网络的混凝土结构裂缝智能检测方法,实现高效准确的裂缝检测。方法 以裂缝图像为分析对象,使用数据扩增和图像分割的方法处理混凝土结构原始裂缝图像,构建裂缝数据集;基于机器视觉理论搭建ResNet18网络模型框架,通过学习率、批量大小、优化函数三个超参数对网络模型进行优化设计,进而使用不同的迁移学习方式训练网络,最后使用混淆矩阵对优化后的模型性能做进一步评判。结果 实验结果表明,采用指数衰减式迁移学习方式、批量大小为64、优化函数为M_SGD时,搭建的网络在混凝土裂缝识别任务中准确率最高,达到了97.98%。结论 优化后的ResNet18网络提高了裂缝检测精度,具有良好的实用性能,并为网络参数的选择提供借鉴。

相似文献/References:

[1]李继伟,冯国会,徐丽.建筑能耗预测的机器学习回归模型研究[J].沈阳建筑大学学报(自科版),2021,(6):1098.[doi:10.11717/j.issn:2095-1922.2021.06.17]

更新日期/Last Update: 2021-10-27