使用深度学习检测混凝土结构中的表面裂缝

点击上方“小白学视觉”，选择加"星标"或“置顶”

重磅干货，第一时间送达

混凝土建筑裂缝

介绍

表面裂缝检测是监测混凝土结构健康的一项重要任务。如果裂纹发展并继续扩展，它们会减少有效承载表面积，并且随着时间的推移会导致结构失效。裂纹检测的人工过程费时费力，且受检验人员主观判断的影响。在高层建筑和桥梁的情况下，手动检查也可能难以执行。在这篇文章中，我们使用深度学习来构建一个简单但非常准确的裂缝检测模型。此外，我们在现实世界的数据上测试了模型，发现该模型在检测混凝土和非混凝土结构示例道路中的表面裂缝方面是准确的。该代码在Github上的链接上开源。

数据集

在这篇文章中，我们使用了公开可用的混凝土裂缝图像数据集，该数据集由 20,000 张有裂缝的混凝土结构图像和 20,000 张无裂缝的图像组成。该数据集由 458 张高分辨率图像（4032x3024 像素）生成。数据集中的每个图像都是 227 x 227 像素的 RGB 图像。部分有裂纹和无裂纹的示例图如下所示：

带有裂纹的示例图像

没有裂纹的示例图像

可以看出，数据集有各种各样的图像——不同颜色、不同强度和形状的裂缝。

建立模型

对于这个问题，让我们在 Pytorch 中构建一个卷积神经网络（CNN