基于阵列超声和特征融合神经网络的钢筋混凝土结构内部裂缝检测OA北大核心CSTPCD
Internal crack recognition of reinforce concrete structure based on array ultrasound and feature fusion neural network
在工程实践和已有研究中,对于混凝土结构内部病害的无损检测,超声层析图像通常需要先验知识进行人工定性判读,较少应用于精确的量化检测.为此,提出一种基于阵列超声和特征融合神经网络的深度学习方法,用于钢筋混凝土结构内部裂缝的像素级无损检测.制作了预置内部裂缝的钢筋混凝土构件,并使用低频剪切超声波和换能器阵列扫查,获得阵列超声B扫描图像并构建数据集.建立了具有编码器-解码器架构的深度神经网络,并采用特征融合策略和残差模块优化该模型,使其与B扫描图像的语义…查看全部>>
In existing studies and practical nondestructive testing applications,ultrasonic tomography images were usually utilized for manual qualitative interpretation but hardly used for accurate quantitative detection purposes of internal defects for reinforced concrete(RC)structures.To this end,a deep learning method based on array ultrasound and feature fusion neural network was proposed in this study for pixel-wise nondestructive recognition of internal cracks i…查看全部>>
杨涵;李斯涵;舒江鹏;许彩娥;宁英杰;叶建龙
浙江大学建筑工程学院,浙江杭州 310058浙江大学建筑工程学院,浙江杭州 310058浙江大学建筑工程学院,浙江杭州 310058浙江大学计算机辅助设计与图形学国家重点实验室,浙江杭州 310058浙江交工集团股份有限公司,浙江杭州 310051浙江省交通集团检测科技有限公司,浙江杭州 310030
土木建筑
钢筋混凝土结构内部裂缝检测阵列超声特征融合深度神经网络
reinforced concrete structureinternal crack recognitionarray ultrasoundfeature fusiondeep neural network
《建筑结构学报》 2024 (7)
89-99,11
国家重点研发计划(2023YFE0115000),浙江省领雁计划项目(2023C01161),浙江省交通运输厅科技计划项目(202217).
评论