基于深度神经网络的锈蚀图像分割与定量分析

被引：25

作者：

王达磊

彭博

潘玥

陈艾荣

机构：

[1] 同济大学土木工程学院

来源：

华南理工大学学报(自然科学版) | 2018年 / 46卷 / 12期

关键词：

桥梁工程; 锈蚀检测; 深度神经网络; 计算机视觉; 语义分割;

D O I：

暂无

中图分类号：

TP391.41 []; TP183 [人工神经网络与计算];

学科分类号：

080203 ;

摘要：

为解决传统钢结构表面锈蚀检测中缺乏检测标准且锈蚀难以量化的难题,基于深度神经网络提出了一种新型锈蚀检测方法,通过对锈蚀图像进行语义分割来实现锈蚀区域的检测与定量分析.设计深度神经网络时采用"编码器-解码器"架构,将网络计算流程分为编码阶段(降采样)与解码阶段(上采样)两部分,最终得到与输入图像长宽一致的分割模板,用以表示每个像素点是否为锈蚀.采用了苏通大桥锈蚀数据集(包括锈蚀图像440张,图像分辨率为709×1067)训练网络并对其进行了数据增强,最终得到6156张经人工标注过的彩色图像,图像分辨率为256×256.网络训练经过50次循环总耗时约7 h,最终正确率可以达到训练集92. 55%和验证集90. 56%.此外还在原始锈蚀图像上进行检测,结果显示分割网络可以识别出图像中锈蚀区域的主体部分.为进行锈蚀的定量分析定义了"锈蚀面积"、"锈蚀率"、"总体锈蚀率"等评价指标,通过分割网络可以直接计算得到这些锈蚀区域的定量指标,为钢结构日常管理养护提供数据支撑.

引用

页码：121 / 127+146 +146

页数：8

共 7 条

[1] 基于数字图像分析的碳钢腐蚀等级评定方法
刘淼
薛建军
王玲
张小军
封荣光
[J]. 腐蚀与防护, 2013, 34 (11) : 997 - 1000
[2] 水工钢结构腐蚀的图像识别技术
郭建斌
王楠
王泽民
[J]. 河海大学学报(自然科学版), 2012, 40 (05) : 539 - 543
[3] 图像处理在表征大气酸腐蚀钢结构表面颜色特征中的应用
尹文博
徐善华
[J]. 华北水利水电学院学报, 2011, 32 (03) : 21 - 24
[4] 基于图像颜色的材料腐蚀等级评价方法研究[D]. 彭丽丽.重庆理工大学. 2013
[5] Automated steel bridge coating rust defect recognition method based on color and texture feature[J] . Heng-Kuang Shen,Po-Han Chen,Luh-Maan Chang.Automation in Construction . 2012
[6] Automated bridge coating defect recognition using adaptive ellipse approach[J] . Po-Han Chen,Ya-Ching Yang,Luh-Maan Chang.Automation in Construction . 2008 (5)
[7] Imagenet classification with deep convolutional neural networks .2 Alex K,Sutskever I,Hinton G E. Neural Information Processing Systems (NIPS) . 2012

← 1 →