改进Murphy证据理论的水下桩墩病害声呐图像融合检测

摘要

针对水下桩墩结构病害检测中存在的声呐图像分辨率低、噪声干扰显著和单一数据源精度不足的问题，提出一种改进Murphy证据理论的多源声呐图像融合检测方法.首先，构建基于Darknet-53和ResNet-50的互补YOLOv3模型，提供多样化的证据体以增强信息表征.其次，为两个互补模型嵌入压缩和激励网络(SE)注意力机制，增强模型对病害区域的检测性能.最后，改进Murphy证据理论实现多源数据融合，提升方法的精度与鲁棒性.实验结果表明，所提方法在常见病害识别中查准率、查全率和平均精度均值均高于93.7%,显著优于其他模型.这表明改进Murphy证据理论融合深度学习与多源数据，有效提升了声呐图像病害检测精度及环境适应性，为复杂水下工程病害检测提供创新的解决方案.

关键词

水下桩墩 / 病害检测 / 声呐图像 / Murphy证据理论 / 激励网络(SE)注意力机制 / 特征提取

基金资助

福建省自然科学基金重点资助项目(2022J02016);福建省自然科学基金资助项目(2022J01969)