基于目标检测的混凝土坝裂缝实时检测方法

裂缝是大坝最常见的损伤之一,可反映大坝的受力状态和安全性。针对混凝土坝裂缝传统检测算法速度慢、精度低、泛化性能不足等问题,该文基于目标检测神经网络YOLOX(you only look once x)深度学习目标检测算法,提出一种混凝土坝表观裂缝实时检测方法(YOLOX-dam crack detection,YOLOX-DCD)。该方法对YOLOX目标检测神经网络进行改进,首先在网络结构中加入卷积注意力机制,使网络更关注裂缝特征,提高检测效果;其次引入完全交并比(complete intersection over union,CIoU)作为目标定位损失函数;最后在自制的混凝土坝裂缝数据集上进行实验评估,并与现有的多种目标检测神经网络进行对比。结果表明：该文所提方法具有速度快、精度高、参数少的特点,且明显优于经典目标检测算法。因此,该文所提方法能满足混凝土坝裂缝检测高效、精确、实时的要求,可为混凝土坝裂缝检测提供技术支持。