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