计算机工程

作者：庞杰, 张华, 冯春成, 李林静

单位：1. 特殊环境机器人技术四川省重点实验室, 四川 绵阳 621000;2. 西南科技大学 信息工程学院, 四川 绵阳 621000;3. 清华四川能源互联网研究院, 成都 610213

关键词：坝面裂缝,可分离残差卷积,语义补偿,焦点损失,中心损失

基金：国家“十三五”核能开发科研项目（20161295）；四川省科技计划（2018JZ0001，2019YFG0144）；中国大唐集团公司科技项目（CDT-TZK/SYD[2018]-010）。

坝面缺陷检测是水利枢纽安全巡检的关键环节，但复杂环境下坝面图像存在干扰噪声大和像素不均衡等问题，造成坝面裂缝难以精细分割。提出一种利用可分离残差卷积和语义补偿的U-Net裂缝分割方法。在U-Net网络的编码端构建更大尺寸的可分离残差卷积模块替换常规卷积模块，从而扩大特征层感受野并避免丢失裂缝边界信息，同时在解码端增加语义特征补偿模块改善多尺度特征融合效果，将焦点损失函数和中心损失函数作为目标函数，加大裂缝前景与困难样本的损失权重以提高分类准确度。在自制西南某水电站坝面裂缝数据集上的实验结果表明，该方法的F1值和交并比分别达到69.89%与53.72%，分割效果较SegNet、FCN-8S等传统方法更优，对细小裂缝区域的识别能力更强。

来源：2021年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2021年第4期