基于SqueezeNet的混凝土表面裂纹检测研究

王 月，金映谷，李 阳，杨亚宁

(大连民族大学 a.信息与通信工程学院；b.机电工程学院，辽宁 大连 116605)

混凝土表面裂纹是民用建筑的主要缺陷，这些缺陷对混凝土建筑结构的美观性、持久性甚至安全性都带来非常不利的影响。因此混凝土表面裂纹缺陷检测在检查建筑物健康方面起着重要作用。现阶段，对于混凝土表面裂纹缺陷的检测大多采用人工检测方法，这种方法劳动强度大，消耗时间长，易造成工人的视觉疲劳，引起检测误差，不仅效率低、检测准确率不高还会增加人力成本。

近年来，随着深度学习、图像处理技术的迅速发展，已有很多科研工作者对混凝土表面缺陷检测进行了研究。王林林[1]提出了一种基于数字图像处理技术的混凝土裂缝特征检测与计算分析方法。首先对采集的图像进行预处理，其次采用基于灰度图二值化的阈值分割算法与Canny边缘检测方法进行处理，得到边界曲线，使用像素计算方法计算裂缝宽度，对最大裂缝宽度和平均裂缝宽度的检测精准度分别为95.81%和92.81%。刘鹏[2]提出了一种基于图像处理的混凝土预制构件裂缝检测系统。首先，对图像进行预处理，减小外界环境因素对图片检测的影响；其次，采用改进脉冲耦合神经网络(PCNN)对混凝土裂缝图像进行分割，以裂缝的几何形态特征为基础对图像中的裂缝进行识别并计算已识别裂缝的长度和平均宽度，实验证明具有可行性。Manjurul Islam和Jong-Myon Kim[3]提出了一种基于机器视觉的深度卷积神经网络裂缝自动检测方法。……