哈纳提·吐尔森哈力，林杭

融合自注意力机制与深度学习的混凝土表面裂隙智能识别

哈纳提·吐尔森哈力，林杭

(中南大学 资源与安全工程学院，湖南 长沙 410083)

混凝土裂隙几何信息识别的精确度，影响后期工程的安全。而传统的检测方法存在对裂隙识别不准、不全、不即时的缺陷，无法满足精度和实效性的现实需求。本文提出一种融合自注意力机制与全卷积神经网络的图像分割算法，以混凝土裂隙图像建立数据集，搭建深度学习网络；以全卷积神经网络训练模型，使用空间自注意力模块调整特征编码，输出基于自注意力机制模块识别的高精度二值图。经精准率、召回率、平均交并比和综合评价指标等维度同传统图像分割方法进行对比，结果显示，本文方法得到的混凝土裂隙二值图与原图最相近，在定量上精准率、召回率、平均交并比和综合评价指标分别达到62.93%，88.08%，72.21%和83.86%，进而验证本文提出的方法优于传统方法裂隙识别方法。

深度学习；全卷积神经网络；自注意力机制；裂隙识别

混凝土作为主要建筑材料，在路面建筑、地下隧道和道路施工中运用广泛。由于地面非均匀沉降、表面应力、温度和湿度耦合影响等原因，混凝土表面会有裂隙、渗水等病害产生，存在安全隐 患[1]。而传统检测方法以人工巡检和手工记录为主。耗时低效且人为主观性强。近年来，具有多尺度、经济性、非接触性等优势的基于数字照相量测的图像识别技术开始兴起。……