近距离爆炸下钢筋混凝土柱损伤的图像识别及快速评估

摘要

快速准确评估工事爆炸损伤,对于战时指挥具有重要意义。传统上,爆后结构损伤评估多采用有限元法,可靠性得到广泛认可,但计算耗时较长,无法满足战场快速评估要求。为提高评估效率,提出一种由体积判断网络和损伤判断网络组成的全新卷积神经网络模型,基于体积损失率评估近距离爆炸下的损伤。为降低训练成本,采用有限元法获取爆后带损伤的钢筋混凝土柱图像制作包含8700张图片的数据集。新提出的模型在包含1740张图片的测试集上取得99.71%的准确率。在钢筋混凝土柱材料参数调整时,微调后的模型在不同材料参数的数据集上取得82.97%以上的准确率。在三维打印的模型测试中,该模型在24张图片上取得70.83%的正确率,平均每次评估测试耗时0.05 s。结果表明,提出的卷积神经网络模型准确率较高,计算用时远小于有限元方法,损伤评估流程可与结构理论对照解释。