使用深度學(xué)習(xí)檢測(cè)混凝土結(jié)構(gòu)中的表面裂縫
時(shí)間：2021-12-07 11:15:12
手機(jī)看文章
掃描二維碼
隨時(shí)隨地手機(jī)看文章
[導(dǎo)讀]作者|?小白來源|?小白學(xué)視覺混凝土建筑裂縫介紹表面裂縫檢測(cè)是監(jiān)測(cè)混凝土結(jié)構(gòu)健康的一項(xiàng)重要任務(wù)。如果裂紋發(fā)展并繼續(xù)擴(kuò)展，它們會(huì)減少有效承載表面積，并且隨著時(shí)間的推移會(huì)導(dǎo)致結(jié)構(gòu)失效。裂紋檢測(cè)的人工過程費(fèi)時(shí)費(fèi)力，且受檢驗(yàn)人員主觀判斷的影響。在高層建筑和橋梁的情況下，手動(dòng)檢查也可能難以...
作者 | 小白來源 | 小白學(xué)視覺
介紹
表面裂縫檢測(cè)是監(jiān)測(cè)混凝土結(jié)構(gòu)健康的一項(xiàng)重要任務(wù)。如果裂紋發(fā)展并繼續(xù)擴(kuò)展，它們會(huì)減少有效承載表面積，并且隨著時(shí)間的推移會(huì)導(dǎo)致結(jié)構(gòu)失效。裂紋檢測(cè)的人工過程費(fèi)時(shí)費(fèi)力，且受檢驗(yàn)人員主觀判斷的影響。在高層建筑和橋梁的情況下，手動(dòng)檢查也可能難以執(zhí)行。在這篇文章中，我們使用深度學(xué)習(xí)來構(gòu)建一個(gè)簡(jiǎn)單但非常準(zhǔn)確的裂縫檢測(cè)模型。此外，我們?cè)诂F(xiàn)實(shí)世界的數(shù)據(jù)上測(cè)試了模型，發(fā)現(xiàn)該模型在檢測(cè)混凝土和非混凝土結(jié)構(gòu)示例道路中的表面裂縫方面是準(zhǔn)確的。該代碼在Github上的鏈接上開源。
在這篇文章中，我們使用了公開可用的混凝土裂縫圖像數(shù)據(jù)集，該數(shù)據(jù)集由 20,000 張有裂縫的混凝土結(jié)構(gòu)圖像和 20,000 張無裂縫的圖像組成。該數(shù)據(jù)集由 458 張高分辨率圖像（4032x3024 像素）生成。數(shù)據(jù)集中的每個(gè)圖像都是 227 x 227 像素的 RGB 圖像。部分有裂紋和無裂紋的示例圖如下所示：
對(duì)于這個(gè)問題，讓我們?cè)?Pytorch 中構(gòu)建一個(gè)卷積神經(jīng)網(wǎng)絡(luò)（CNN）。由于我們的圖像數(shù)量有限，因此我們將使用預(yù)訓(xùn)練的網(wǎng)絡(luò)作為起點(diǎn)，并使用圖像增強(qiáng)功能來進(jìn)一步提高準(zhǔn)確性。圖像增強(qiáng)使我們能夠進(jìn)行諸如垂直和水平翻轉(zhuǎn)、旋轉(zhuǎn)和亮度變化之類的轉(zhuǎn)換，從而顯著增加樣本并幫助模型泛化。
真實(shí)圖像上的模型訓(xùn)練和預(yù)測(cè)
我們用遷移學(xué)習(xí)訓(xùn)練，然后在訓(xùn)練數(shù)據(jù)集模型，同時(shí)在驗(yàn)證集上測(cè)量損失和準(zhǔn)確性。如下面的損失和準(zhǔn)確率數(shù)字所示，模型訓(xùn)練的非?？?。在第 1 個(gè) epoch 之后，訓(xùn)練準(zhǔn)確率為 87%，驗(yàn)證準(zhǔn)確率為 97%！這就是遷移學(xué)習(xí)的力量，我們的最終模型的驗(yàn)證準(zhǔn)確率為 98.4%。
這篇文章展示了使用深度學(xué)習(xí)和開源數(shù)據(jù)構(gòu)建現(xiàn)實(shí)世界的應(yīng)用程序變得多么容易。整個(gè)工作花了半天時(shí)間，輸出了一個(gè)實(shí)用的解決方案。我希望小伙伴們自己嘗試這個(gè)代碼，并在更多現(xiàn)實(shí)世界的圖像上進(jìn)行測(cè)試。
下載文檔
