基于人工智能的清水墙典型损伤智能识别与评估方法研究

摘要

为避免对清水墙典型损伤进行查勘时,传统人工查勘方法存在人为因素干扰大、手动标注效率低、目测识别精度低的问题,研究了基于人工智能的清水墙典型损伤智能识别与评估方法.采用深度学习与计算机视觉方法,搭建了基于YOLO V4的单阶段目标检测神经网络模型,建立了风化、泛碱、绿植覆盖3种清水墙典型损伤的深度学习神经网络模型训练图像数据库,实现了上述3种清水墙典型损伤的智能诊断及区域划分.同时,基于OpenCV计算机视觉库,分别计算了像素尺寸级别下的各类损伤区域面积比,以代表清水墙损伤的程度.工程实践证明,与传统人工查勘方法相比,基于人工智能的方法实现了高效、准确、便捷的清水墙损伤自动识别与快速评估流程,为今后顺利开展清水墙修缮及复建施工工作提供了技术保障.