基于机器视觉的桥梁高强螺栓缺失快速识别

摘要

近年来桥梁高强螺栓延迟断裂概率有所增加,为及时发现和补充新螺栓,降低桥梁连接失效风险,开展基于机器视觉的桥梁高强螺栓缺失快速识别研究势在必行.实桥拍摄桥梁螺栓缺失场景信息4205条,通过随机裁剪、翻转、颜色变化、仿射变换和数据平衡等数据增强操作,构建了一个基于真实场景的高质量桥梁螺栓缺失场景专业数据集.建立了一种基于混合注意力的深层卷积神经网络的快速识别方法,采用包含5个卷积层、5个最大值池化层和2个全连接层的图像分类识别主网络,提出一种可以自适应地对不同输入图片的高层不同通道语义特征赋予不同权重的通道注意力模型,引入空间注意力模型,通过主网络、通道和空间注意力模型三种方式联合建模,实现端到端的桥梁螺栓缺失场景快速识别,准确率到94.9％.