基于U2net神经网络的混凝土表面裂缝检测研究

摘要

本研究提出了一种基于U2net神经网络的改进网络AM-U2net,以实现对混凝土结构裂缝更为准确和快速地检测。首先，在原U2net网络的跳跃连接部分施加注意力机制，在网络结构的上层部分添加CBAM注意力模块，下层部分添加ECA注意力模块。然后，引入Mish激活函数，提出一种AM-U2net网络。结果显示：改进网络AM-U2net的性能要优于对比网络Unet、Unet++和原U2net,准确率、精确率、召回率和f1score分别达到99.1%、64.2%、65.4%和64.8%。最后，采用骨架线的方法对模型输出的混凝土裂缝预测图像，在像素级别上标注计算裂缝的长宽属性，使得模型预测裂缝的结果能够反映出混凝土裂缝的一些基本属性。本研究提出的改进算法在混凝土裂缝识别任务中具有较好的表现，为裂缝检测的后续研究提供思路。

关键词

混凝土裂缝 / U2net / 注意力机制 / 激活函数 / 骨架线