近日，新疆農(nóng)業(yè)大學(xué)晉強(qiáng)教授團(tuán)隊(duì)提出了一種新型路面病害檢測(cè)方法,，該成果以“Pavement crack instance segmentation using YOLOv7-WMF with connected feature fusion”為題發(fā)表于國(guó)際著名期刊《Automation in Construction》,。

混凝土損傷的檢測(cè)和分類對(duì)于保持基礎(chǔ)設(shè)施的良好應(yīng)用狀態(tài)至關(guān)重要，傳統(tǒng)的語(yǔ)義分割方法通常無(wú)法提供準(zhǔn)確的裂縫邊界信息,，從而限制了進(jìn)一步的定位和測(cè)量,。本研究采用WMF自研模塊改進(jìn)了YOLOv7網(wǎng)絡(luò)架構(gòu)（圖1）。

圖1  改進(jìn)后的YOLOv7模型框架

該網(wǎng)絡(luò)包括三個(gè)不同的自定義模塊,，優(yōu)化了算法特征缺失,、識(shí)別幀過(guò)小、以及梯度問(wèn)題,，提高了模型的準(zhǔn)確性,，可適應(yīng)不同大小、曝光度,、噪聲的數(shù)據(jù)集,，具備良好的穩(wěn)定性和魯棒性。圖2為YOLOv7模型與多個(gè)傳統(tǒng)模型的可視化對(duì)比,。

圖2  YOLOv7-MWF模型與傳統(tǒng)模型的可視化對(duì)比

該研究通過(guò)改進(jìn)的YOLOv7網(wǎng)絡(luò)模型實(shí)現(xiàn)混凝土裂縫的實(shí)例分割,，突破了傳統(tǒng)語(yǔ)義分割的局限性，從而更準(zhǔn)確的檢測(cè),、定位和分割目標(biāo)對(duì)象,，提高混凝土裂縫檢測(cè)的精度，為后續(xù)混凝土裂縫檢測(cè)與分析提供了基礎(chǔ),。該研究在土木工程及水利工程結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域具有顯著的應(yīng)用前景,。

新疆農(nóng)業(yè)大學(xué)周滿旭、葉冠廷以及徐州工程學(xué)院李賽為本文的數(shù)據(jù)集制作和模型優(yōu)化作出較大貢獻(xiàn),，新疆農(nóng)業(yè)大學(xué)晉強(qiáng)教授為通訊作者,。該成果是該團(tuán)隊(duì)首次在結(jié)構(gòu)健康監(jiān)測(cè)（Structural Health Monitoring）領(lǐng)域取得的重大進(jìn)展,。

本文得到2022年新疆自治區(qū)級(jí)大學(xué)生創(chuàng)新項(xiàng)目（Grant No.S2022107580107）和新疆水利工程安全與水災(zāi)害防治重點(diǎn)實(shí)驗(yàn)室的大力支持。