桥梁目视巡检中钢筋外露的逐像素分类

竣工已达 50 年的土木基础设施需要高效巡检与准确诊断。尤其在市政领域，技术人员的短缺与修缮费用的预算约束已成为严峻问题。若能在目视巡检影像的 5 级判定与对策分类之外，从巡检记录中自动逐像素检测出受损照片，则无论是否需要修缮以及受损外露面积多大，都有可能更灵活地提供对策信息。单张受损照片通常较为稀疏，只要未对损伤周边放大，恰好拍到检测目标的范围至多仅 1%。一般而言，钢筋外露频发，判定修缮措施的机会很多。本文提出三种迁移学习的损伤检测方法，利用人工目视巡检的受损照片，实现低像素图像的语义分割。此外，我们尝试以随机裁剪并旋转的预处理生成数据，从零构建深度卷积网络。实际上，我们展示了将该方法应用于 106 座真实桥梁的 208 张钢筋外露图像所得的结果。最后，提及损伤检测建模的未来课题。