基于深度学习的混凝土结构地震事件图像自动损伤检测
计算机视觉与模式识别
2025-10-27 v1 人工智能
摘要
地震事件后及时评估结构完整性对于公共安全和应急响应至关重要。本研究聚焦于利用深度学习方法检测大地震后混凝土建筑和桥梁中暴露的钢筋。钢筋通常在混凝土 spalling 或大型弯曲或剪切裂缝后暴露。暴露的钢筋的数量和分布是结构损伤和退化的指示。为自动检测暴露的钢筋，我们收集了2023年土耳其地震后的图像数据集并进行标注，以代表各种受损混凝土结构的广泛类型。所提出的方法基于深度学习框架，增强了微调、数据增强和在公开数据集上的测试。开发了一个自动分类框架，可用于识别建筑内外以及结构组件。随后，训练了一个YOLOv11（You Only Look Once）模型来检测裂缝和spalling损伤以及暴露的钢筋。另一个YOLO模型被微调以区分不同的结构损伤等级。所有这些训练好的模型用于创建混合框架，以自动可靠地从输入图像中确定损伤等级。本研究表明，利用图像数据收集、标注和深度学习方法，可在多种损伤情境下实现快速且自动的损伤检测。
引用
@article{arxiv.2510.21063,
title = {Deep learning-based automated damage detection in concrete structures using images from earthquake events},
author = {Abdullah Turer and Yongsheng Bai and Halil Sezen and Alper Yilmaz},
journal= {arXiv preprint arXiv:2510.21063},
year = {2025}
}
备注
6 pages, 1 figure