基于轻量型DeepLabv3+的桥梁裂缝智能识别研究
陈舟
温嘉豪
卢汉文
杜和坪
佛山大学土木与交通学院,广东 佛山 528225
摘要：针对现有桥梁裂缝语义分割模型泛化能力弱、存储资源需求大等问题,提出了一种改进的DeepLabv3+模型,该模型将特征提取网络替换为轻量化网络MobileNetv2,并结合了Swish激活函数和迁移学习策略.为验证改进模型的有效性,利用复杂背景干扰下不同类型的桥梁裂缝图片构建桥梁裂缝数据集,对改进的DeepLabv3+模型、DeepLabv3+模型、Segnet模型和Unet模型进行裂缝识别训练,从分割精度、平均交互比及模型大小等方面对四个模型的识别效果进行对比分析.分析结果表明,改进的DeepLabv3+模型分割精度达到93.41%,平均交互比达到 78.51%,F1 分数达到 83.60%;改进模型大小仅为 6.64MB,与Segnet模型大小处于同一数量级水平,明显小于DeepLabv3+和Unet模型.
关键词：DeepLabv3+MobileNetv2桥梁裂缝迁移学习语义分割
分类号：TU41(土力学、地基基础工程)
资助基金：科技部高端外国专家引进计划项目(G2022030014L)
论文发表日期：2025-11-30
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 45-51 )
英文信息