基于卷积神经网络的建筑物震害特征提取与识别研究

摘要

提出一种基于卷积神经网络(CNN)的建筑物震害特征提取与识别方法，以解决传统震害评估方式的空间局限性和低效性问题。通过对震后建筑物进行边框回归、掩膜生成和特征分类，实现震害特征的有效提取和识别。首先，通过收集云南省2014年鲁甸6.5级、景谷6.6级和2021年漾濞6.4级地震的建筑物震后无人机影像数据，并利用数据增强方法扩充样本，构建一套典型的云南历史地震建筑物震害数据集；其次，利用这一震害数据集对CNN进行训练和优化，从而得到能够提取建筑物震害特征并进行识别的模型；最后，通过实际震例对模型进行验证。结果表明，所提出的方法能够有效提取建筑物震害特征并进行识别，识别平均精度达87.28%,平均IoU(交并比)为83%,且各影像IoU值均大于0.5。

关键词

卷积神经网络 / Mask R-CNN / 建筑物震害特征 / 震害识别

基金资助

云南省地震局青年基金项目(2025K23)，云南省地震局科技创新团队项目(CXTD202504); 地震科技星火计划攻关项目(XH24039C)