用于自动化可靠钢筋混凝土桥梁检测的卷积代价敏感裂缝定位算法
计算机视觉与模式识别
2019-05-24 v1
摘要
桥梁是交通基础设施的重要组成部分，需要定期监测。由专门团队进行的目视检测一直是桥梁结构健康监测（SHM）的主要工具之一。然而，此类传统方法存在某些缺陷。人工检测在恶劣环境中可能具有挑战性，且本质上通常带有偏差。在过去十年中，配备摄像头的无人机（UAV）已广泛用于目视检测；然而，从原始图像中自动提取有用信息的任务仍然具有挑战性。本文提出一种深度学习语义分割框架，用于自动定位表面裂缝。由于图像中裂缝与背景类别的高度不平衡，研究了不同策略以提高性能和可靠性。训练后的模型在真实世界裂缝图像上测试，在精确率和召回率概念所定义的指标方面表现出令人印象深刻的鲁棒性。这些技术可用于桥梁 SHM，从无人机拍摄的未处理图像中提取有用信息。
引用
@article{arxiv.1905.09716,
title = {A Convolutional Cost-Sensitive Crack Localization Algorithm for Automated and Reliable RC Bridge Inspection},
author = {Seyed Omid Sajedi and Xiao Liang},
journal= {arXiv preprint arXiv:1905.09716},
year = {2019}
}