混凝土结构表观质量缺陷识别算法性能测评与分析

【作者】 郭俊熙； 潘鹏； 林佳瑞；

【机构】 清华大学土木工程系； 住建部数字建造与孪生重点实验室；

【摘要】 混凝土结构作为建筑工程中重要的组成部分,其安全性和耐久性直接影响建筑的整体质量及使用寿命。然而,传统的混凝土缺陷识别方法依赖人工,耗时费力,亟须探索缺陷自动识别方法。本研究旨在对比不同目标检测算法的性能特点与适用场景,为混凝土结构表观质量缺陷检测建立更加高效、准确的识别方法。因此,本研究首先构建了一个包含1085张图片及1760个缺陷实例的混凝土表观质量缺陷图像数据集;然后选择了YOLOv5、YOLOv9、SSD和EfficientNet四种目标检测模型进行训练和测试;最后,通过对比各模型训练的速度与效率、精确率、召回率与mAP等指标对模型进行性能对比与分析。结果表明,针对混凝土结构表观缺陷识别问题,YOLOv9在四种模型中具有更好的鲁棒性与准确率,mAP可达0.71。有关研究为开发施工质量缺陷识别方法及装备提供了有益指导,并服务施工巡检效率与建造质量提升。更多还原