基于对抗神经网络的建筑混凝土细小裂缝精准识别方法研究

王丹，夏亮

基于对抗神经网络的建筑混凝土细小裂缝精准识别方法研究

王丹，夏亮

（池州职业技术学院 建筑与园林系，安徽 池州 247100）

针对常规方法识别裂缝图像目标像素时噪声点作为虚假裂缝仍保留在像素区域中，导致建筑混凝土裂缝几何参数识别误差较大的问题，提出一种基于对抗神经网络的建筑混凝土细小裂缝精准识别方法。首先，灰度转换混凝土裂缝原始图像，结合阈值分割和高斯梯度法，区分图像目标和背景；然后，设置裂缝和虚假裂缝判别条件，去除目标像素中的噪声点，利用初始像素框，裁剪筛选后的裂缝像素；最后，将上述像素输入对抗神经网络，获得裂缝类别信息，将建筑混凝土图像裂缝段细化为像素级的骨架，计算建筑混凝土裂缝长度、宽度、面积，结合类别信息、裁剪定位信息和几何参数信息，完成建筑混凝土细小裂缝识别。以三跨连续拱桥混凝土细小裂缝为例设置对比实验。结果表明，设计方法减小了裂缝长度和裂缝宽度识别误差，裂缝几何参数识别结果满足精度要求。

对抗神经网络；混凝土裂缝；图像剪裁；增强滤波；特征向量；几何信息

混凝土这一原材料被广泛应用于道路、楼房、桥梁等设施中，由于建筑工程所处环境非常复杂，当地基变形、温度变化时，建筑混凝土会产生一些裂缝[1]。若裂缝面积超出一定限制，会引起渗漏，影响混凝土结构耐久性，降低建筑的承载能力，因而混凝土裂缝识别十分重要[2]。但人工识别裂缝存在许多弊端，识别过程危险，效率低，识别范围存在限制。因此，研究混凝土裂缝识别方法，应用人工智能、图像识别等技术，为裂缝识别提供新的手段具有重要意义[3]。现阶段，混凝土裂缝识别相关研究取得较大进展，利用设备采集混凝土表面裂缝，通过图像处理技术，预处理获取的原始图像，采用边缘检测、支持向量机、阈值分割、数学形态学等算法，分析处理后的图像，得到裂缝的最终识别结果[4-5]。

文献[6]提出基于计算机视觉的裂缝识别方法。该方法利用形态学运算和传感器畸变校准，提取图像的裂缝区域，通过对图像模糊、增强等一系列处理，将存在裂缝之处进行标记，并消除其中存在的孤立点，分析裂缝扩散规律，完成裂缝的有效识别。但该方法滤波能力较差，裂缝几何参数识别误差较大。文献[7]提出基于光频域反射计技术的裂缝识别方法。采用光频域反射计技术，识别裂缝形态信息，监测裂缝发展状况，当混凝土裂缝预警超出宽度，即超过0.002mm的微裂缝时进行有效地预警与识别。该方法可及时发现裂缝，其工作效率较高。但该方法没有考虑到裂缝方向的多样性，裂缝几何参数识别误差同样较大。

针对以上问题，结合现有的研究理论，提出基于对抗神经网络的建筑混凝土细小裂缝精准识别。并通过实验分析了验证了本文方法识别的有效性。

1 建筑混凝土细小裂缝精准识别方法设计

1.1 预处理建筑混凝土细小裂缝原始图像

采集建筑混凝土细小裂缝图像，预处理原始图像。利用无人机，获取建筑狭小地方的混凝土裂缝，将航拍相机安装在飞行器上，在距离混凝土表面0.5～1.0m处，采集裂缝图像。人工采集建筑宽敞地方的混凝土裂缝，使用带有调平功能的三脚架，固定分辨率较高的相机，减少拍摄过程中的抖动，确保裂缝处于屏幕正中央。在此过程中，由于相机的微小抖动，导致的相机分辨率变化对本文的研究影响较小，可忽略相机像素对裂缝识别中的微小影响。