【引言】

裂縫是橋梁基礎(chǔ)設(shè)施安全運行的重要威脅，是橋梁結(jié)構(gòu)退化的最初跡象之一[1-2]，表觀裂縫檢測是橋梁結(jié)構(gòu)安全檢測的重要內(nèi)容[3-5]。傳統(tǒng)的橋梁裂縫人工檢測手段存在效率低、實時性差與安全風(fēng)險高等問題，亟待解決。

近年來，計算機視覺技術(shù)快速發(fā)展，其設(shè)備成本低、檢測速度快、適用范圍廣等優(yōu)勢日益突出，在裂縫檢測領(lǐng)域得到越來越廣泛的應(yīng)用[6-8]。在這類技術(shù)中，又以深度學(xué)習(xí)作為裂縫檢測領(lǐng)域的主流方法。例如，Zhang等[9]訓(xùn)練了一個深度卷積神經(jīng)網(wǎng)絡(luò)，對智能手機收集的圖像中的圖像塊進行分類；Kang等[10]集成了3種獨立的計算機視覺算法，其中基于Faster-RCNN[11]的裂縫檢測達到了95%的平均精度；Liu等[12]首先采用U-Net[13]檢測混凝土裂縫，能夠以更少的訓(xùn)練集達到更高的精度。在實際工程應(yīng)用中，基于深度學(xué)習(xí)的裂縫檢測的耗時是一個影響裂縫檢測工作效率的重要因素[14-15]。然而，現(xiàn)有的大多數(shù)深度學(xué)習(xí)方法主要關(guān)注檢測準(zhǔn)確性，而忽略實時性的問題。這些方法存在模型參數(shù)龐大、算法計算量大的不足，需要足夠的硬件資源來支持，難以滿足實際應(yīng)用場景中對裂縫檢測實時性的要求，尤其是面對內(nèi)存小、計算能力弱、通信帶寬低等情況。

當(dāng)前，Transformer深度學(xué)習(xí)網(wǎng)絡(luò)架構(gòu)已成為計算機視覺領(lǐng)域的熱點，它已經(jīng)在自然語言處理、計算機視覺等領(lǐng)域展現(xiàn)了前所未有的實力[16-18]。然而，已有的基于計算機視覺的裂縫檢測多側(cè)重于卷積神經(jīng)網(wǎng)絡(luò)（CNN）架構(gòu)，基于Transformer架構(gòu)的結(jié)構(gòu)裂縫識別研究較為少見。SegFormer是一種新近出現(xiàn)的將Transformer和輕量級的多層感知器（MLP）相結(jié)合的語義分割框架，在ADE20k[19]、Cityscapes[20]等數(shù)據(jù)集上取得了優(yōu)越結(jié)果[21]。本文提出一種基于SegFormer語義分割網(wǎng)絡(luò)的橋梁表觀裂縫實時檢測模型，為橋梁結(jié)構(gòu)表觀裂縫的高效快速檢測提供一條新的有效途徑。

文章詳細內(nèi)容下載請點擊：基于SegFormer語義分割網(wǎng)絡(luò)的橋梁裂縫檢測模型AET-電子技術(shù)應(yīng)用-最豐富的電子設(shè)計資源平臺 (chinaaet.com)

【作者信息】

李亦湘1，蘇國韶2，黃涌1，劉玉柳1，秦遠卓2

（1.廣西壯族自治區(qū)建筑工程質(zhì)量檢測中心有限公司，廣西 南寧530005；2.廣西大學(xué) 土木建筑工程學(xué)院，廣西 南寧 530004）