基于改进UNet的混凝土CT孔隙裂隙分割方法

摘要

为了解决计算机断层扫描(Computed Tomography,CT)混凝土图像中裂隙和孔隙像素值一致,导致阈值分割效果差的问题,提出一种基于UNet模型的改进模型,对混凝土CT图像进行裂隙和孔隙分割.首先,通过CT技术扫描混凝土试块获取CT图像后,人工标注出CT图像中的裂隙与孔隙,并利用数据增强扩充训练集;然后,采用非对称卷积模块和残差模块对UNet模型中编码器和解码器进行改进,在特征提取部分采用非对称卷积模块降低模型的运算量后,使用残差模块减少参数量,降低了训练过拟合,有效提升了CT图像中裂隙与孔隙的分割精度.试验结果表明:改进模型在制作的混凝土CT图像数据集上召回率达83%,分割精度为85%,Dice值为85%,对比UNet和其他现有的深度学习模型都有较高提升,为混凝土细观破坏机理研究提出新的思路.