融合注意力机制和新型卷积神经网络的市政道路病害识别

作     者：任泳洁 吴立朋 REN Yong-jie;WU Li-peng

作者机构：石家庄铁道大学道路与铁道工程安全保障省部共建教育部重点实验室石家庄050043 石家庄铁道大学土木工程学院石家庄050043 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2024年第24卷第20期

页      面：8663-8672页

学科分类：083305[工学-城乡生态环境与基础设施规划] 08[工学] 081403[工学-市政工程] 0814[工学-土木工程] 0833[工学-城乡规划学] 

基　　金：国家自然科学基金(51808357) 河北省自然科学基金(E2021210136,E2021210088) 

主　　题：注意力机制 深度学习 卷积神经网络(CNN) 道路病害识别 

摘      要：环境和荷载协同作用导致的路面病害对道路使用性能和安全性能的影响日益突出。现有图像智能识别算法难以实现处理速度和计算量的平衡。针对道路病害快速准确实时识别的需求,对石家庄损伤较为严重的路面进行实地拍照,结合已有图片,采用数据增强技术构建了市政道路病害数据集,并且提出了一种基于MobileNetV3网络的轻量化道路病害识别网络模型GEM-MobileNetV3。该模型首先使用Ghost模块代替MobileNetV3网络基本单元中的1×1卷积;然后结合改进后的高效通道注意力机制(efficient channel attention,ECA)模块提取病害目标的重要特征;最后将网络浅层的ReLU激活函数替换为泛化能力更强的Mish激活函数,提高模型的整体性能。通过消融实验与对比实验,验证了新模型的有效性。实验结果表明,新模型准确率达到96.33%,其参数量与计算量较MobileNetV3模型分别降低了37.9%和36%。提出的新模型在保持较高识别准确率的同时有效降低了模型复杂度,为在低成本计算平台上实现高准确率实时识别提供了新途径。