清华大学学报(自然科学版)

作者：黄贲, 康飞, 唐玉

单位：大连理工大学 水利工程学院, 大连 116023

关键词：混凝土坝,裂缝检测,深度学习,目标检测,YOLOX神经网络,注意力机制

基金：国家重点研发计划项目(2022YFB4703404);国家自然科学基金面上项目(51779035,52079022,51979027)

裂缝是大坝最常见的损伤之一,可反映大坝的受力状态和安全性。针对混凝土坝裂缝传统检测算法速度慢、精度低、泛化性能不足等问题,该文基于目标检测神经网络YOLOX (you only look once x)深度学习目标检测算法,提出一种混凝土坝表观裂缝实时检测方法(YOLOX-dam crack detection,YOLOX-DCD)。该方法对YOLOX目标检测神经网络进行改进,首先在网络结构中加入卷积注意力机制,使网络更关注裂缝特征,提高检测效果;其次引入完全交并比(complete intersection over union,CIoU)作为目标定位损失函数;最后在自制的混凝土坝裂缝数据集上进行实验评估,并与现有的多种目标检测神经网络进行对比。结果表明：该文所提方法具有速度快、精度高、参数少的特点,且明显优于经典目标检测算法。因此,该文所提方法能满足混凝土坝裂缝检测高效、精确、实时的要求,可为混凝土坝裂缝检测提供技术支持。

来源：2023年第7期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2023年第7期