针对建筑幕墙聚氨酯密封胶裂缝的小目标分割任务，本文引入空洞卷积与注意力机制，提出一种基于上下文信息增强的改进U-Net(DEU-Net)，探究上下文信息以及注意力机制对分割精度的影响基于自建聚氨酯密封胶裂缝数据集进行实验，结果表明，DEU-Net在平均像素准确率(mPA)、平均交并比(mIoU)等指标上表现较优，分割效果完整且准确.该研究验证了空洞卷积和注意力机制可以有效融合多尺度上下文，提升小目标分割模型的性能.建筑外立面广泛采用幕墙系统，其中石材幕墙、玻璃幕墙以及起连接与密封作用的聚氨酯密封胶是关键组成部分作为一种高性能密封材料，聚氨酯密封胶在幕墙的安装与维护中扮演着至关重要的角色，其核心功能在于防止空气和水分渗透，从而显著延长幕墙系统的整体使用寿命然而，聚氨酯密封胶在长期使用后可能出现开裂、脱胶、硬化等损伤，导致其密封与结构茹接性能下降，直接影响幕墙的安全性与耐久性。
随着深度学习技术在土木工程领域的广泛应用，基于视觉的裂缝损伤检测已取得显著进展例如，基于POLO算法，提出了POLO-CraekNet模型，通过引人特定模块和注意力机制来提升裂缝分割精度利用无人机与多尺度特征融合网络，实现了混凝土裂缝的精准识别与测量针对隧道裂缝小目标检测难题，采用超分辨率生成对抗网络，提升模型在图像质量退化情况下的稳健性对比了SAM与U-Net在混凝土裂缝检测中的性能，指出两者结合可使检测更加全面。
尽管上述研究取得了良好效果，但专门针对幕墙聚氨酯密封胶细小裂缝进行精准分割的研究仍相对缺乏聚氨酯密封胶裂缝通常表现为像素占比极低的狭长目标，对分割网络的细节感知与上下文信息利用能力提出了更高要求为此，本文提出一种基于上下文信息增强的改进U-Net(DEU-Net) ,旨在提升对聚氨酯密封胶小裂缝的分割精度.将下采样的普通卷积替换为空洞卷积，并在每次下采样后引人注意力机制，探究了空洞卷积和注意力机制在微小裂缝分割任务中的实际效果实验结果表明，采用空洞卷积和注意力机制的DEU-Net能够更有效地捕捉裂缝的细节与长程依赖关系，实现对聚氨酯密封胶裂缝的精确分割，为评估幕墙聚氨酯密封胶损伤状态提供可靠的技术手段。
数据集主要为不同建筑在不同照明条件下的幕墙聚氨酯密封胶损伤图像建筑主要包括公共楼宇建筑和建筑门类建筑两部分.照明条件主要通过采集时间点的差异，即太阳光在一天中不同时段对石材幕墙照明效果的差异来确定，使用高分辨率相机和手机共收集了665张JPG格式的数据图片作为数据集.利用Labelme标注工具对幕墙聚氨酯密封胶数据集进行裂缝部位的标注，生成PNG格式的标签文件，裂缝分为平行胶缝裂缝与垂直胶缝裂缝。http://www.sdyuantai.net/
设为首页 
加入收藏
