基于MU-net的混凝土桥裂缝识别方法

摘要

针对目前裂缝人工检测方法难以满足工业化生产准确性与实时性要求的问题,对更智能的裂缝识别手段进行研究,提出一种利用轻量化全卷积语义分割网络MU-net识别混凝土桥梁裂缝的方法.首先,在U-net网络结构的基础上,引入Mobile-net中的深度可分离卷积,并在卷积操作过程中加入修正单元,构建MU-net模型.然后,收集混凝土裂缝图片,通过筛选扩充等手段构建数据集并制作标签.最后,搭建一套针对实验梁的集成检测系统,将MU-net模型作为处理后端.实验结果表明:相较于经典U-net模型,MU-net平均识别时间缩短了68.5%,平均准确率提升0.29%,平均召回率提升1.86%,在保证精度的同时,提高了桥梁裂缝图片语义分割效率,基本能够实现对桥梁裂缝图片准确快速的识别处理.