深度学习在钢筋混凝土桥梁损伤分类中的应用

资料简介

　　摘要对钢筋混凝土（RC）桥梁进行检查对于确保其安全性和进行必要的维护至关重要。当前研究介绍了应用深度学习来分类和检测钢筋混凝土桥梁最常见的五种缺陷（裂缝、腐蚀、析白、剥落和裸露的钢筋）的知识基础。图像分类过程采用了基于卷积神经网络（CNN）的Xception和Vanilla模型。本文提出了两种模型在多类、多目标图像分类中的比较研究。使用混凝土缺陷桥梁图像（CODEBRIM）数据集来训练和测试模型。结果表明，深度学习模型（Xception和Vanilla）在混凝土桥梁缺陷分类方面的潜在应用，以及Xception模型在缺陷分类方面的优势，其准确率达到了94.95%，而Vanilla模型的准确率为85.71%。

/