近日，澳门新莆京游戏大厅王少杰教授团队在测量领域著名期刊《Measurement》发表题为“Recognition and Quantification of Apparent Damage to Concrete Structure Based on Computer Vision”的研究论文。澳门新莆京游戏大厅2024届硕士研究生刘佳庚为本文第一作者，王少杰教授为本文通讯作者，我校岳强教授、徐宗美副教授、贾艳艳副教授、研究生孙宏宇和剑桥大学刘洪辰博士等参与此项研究。

本文以量大面广的混凝土结构为例开展研究，结构受施工、荷载、服役环境等因素影响，在其表面通常会萌生以开裂、蜂窝、压碎等为主的线状或面状病害，直接影响结构长期安全服役和正常使用。已有研究多针对单一病害，传统方法效率低，获取的病害信息少而不全。本研究基于计算机视觉和深度学习，以目标检测算法YOLO v5为基础，通过更换骨干网络Res2Net和添加SimAM注意力机制，提出了一种变体网络YOLO v5-RS；探明了病害数字图像分割方法，研发了轻量化软件，实现了开裂病害长度、宽度、角度与压碎病害面积的定量计算，可为工程结构性能检测提供高效手段和方法，也可用于番茄裂果等的快速定量评价。

图1  YOLO v5-RS网络结构

该研究得到了国家自然科学基金、山东省科技型中小企业创新能力提升工程项目的资助。

  论文链接：https://authors.elsevier.com/a/1jjEJxsQaQ89Z