摘要
针对混凝土裂缝检测中误检率高、跨场景泛化能力不足的问题,提出一种结合多尺度轻量化网络与卷积块注意力模块(convolutional block attention module,CBAM)注意力机制的检测方法。通过构建多场景裂缝数据集并进行像素级标注,利用形态学处理和骨架化算法提取裂缝几何参数,同时采用域适应训练提升模型跨场景性能。在试验中,通过与U型网络(U-Net)、分割网络(SegNet)、深度裂缝网络(DeepCrack)等主流深度学习模型进行对比,并采用精确率、召回率和F1值及几何参数误差等多指标进行评估。试验结果显示,该方法在检测精度、模型参数量和推理速度上均优于对比模型,可显著提高工程应用价值。
出处
《技术与市场》
2026年第2期112-116,共5页
Technology and Market
