基于跨验证的桥梁缺陷检测的多模态融合框架
计算机视觉与模式识别
2025-07-10 v1
摘要
本文提出了一种用于桥梁缺陷检测和分析的多模态融合框架，集成了无损评估 (NDE) 技术与先进的图像处理，以实现精确的结构评估。通过结合冲击回声 (IE) 和超声表面波 (USW) 方法的数据，该初步研究聚焦于识别混凝土结构中缺陷易受损区域，强调关键指标，如脱层和脱粘。利用 alpha 形状的地理空间分析、缺陷点的融合和统一车道边界，本文提出的框架整合来自不同数据源，以增强缺陷定位并促进识别重叠缺陷区域的过程。通过自适应图像处理进行跨验证进一步验证检测到的缺陷，其坐标与视觉数据对齐，利用高级轮廓基于映射和边界框技术进行精确的缺陷识别。实验结果显示，F1 分数为 0.83，证明了该方法在改善缺陷定位、减少误报和提高检测准确性方面的潜在效果，这为未来的研究和大规模验证提供了基础。该初步探索建立了该框架作为高效桥梁健康评估工具的框架，具有积极的结构监测和维护的意义。
引用
@article{arxiv.2412.17968,
title = {A Multimodal Fusion Framework for Bridge Defect Detection with Cross-Verification},
author = {Ravi Datta Rachuri and Duoduo Liao and Samhita Sarikonda and Datha Vaishnavi Kondur},
journal= {arXiv preprint arXiv:2412.17968},
year = {2025}
}
备注
Accepted by IEEE Big Data 2024