基于深度学习YOLOX算法的混凝土构件裂缝智能化检测方法

作     者：刘珂铖 谢群 李雁军 LIU Kecheng;XIE Qun;LI Yanjun

作者机构：济南大学土木建筑学院山东济南250022 

出 版 物：《济南大学学报（自然科学版）》 (Journal of University of Jinan(Science and Technology))

年 卷 期：2024年第38卷第3期

页      面：341-349页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0815[工学-水利工程] 081503[工学-水工结构工程] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(52108214) 山东省住房城乡建设科技计划项目(2020-K5-18) 建筑结构加固改造与地下空间工程教育部重点实验室开放课题项目(MEKL202006) 

主　　题：深度学习 YOLOX(You Only Look Once)算法 混凝土构件 裂缝识别 

摘      要：针对现有混凝土构件裂缝人工检测操作不仅费时、费力,而且易出现错检、误检、漏检,以及部分位置难以开展检测的问题,提出一种基于深度学习YOLOX(You Only Look Once)算法的混凝土构件裂缝智能化检测方法;首先采集、整理包含各类混凝土构件的典型裂缝图像,并通过图像数据增强建立Pascal VOC数据集,然后基于Facebook公司开发的深度学习框架Pytorch,利用数据集训练YOLOX算法,并进行裂缝识别和验证;将训练完成后YOLOX算法移植至搭载安卓系统的手机端,进行现场实时检测操作。结果表明:在迭代次数为700时,混凝土构件裂缝识别精度可达88.84%,能有效筛分混凝土构件表面裂缝,并排除其他干扰项,证明了所提出的方法对裂缝具有较高的识别精度和广泛的适用性;经试验测试,移植至手机端的YOLOX算法能在提升便携性的同时保证高效、准确的检测效果,具有良好的应用前景。