基于Deepcrack网络的混凝土裂缝检测方法

混凝土结构裂缝对建筑安全构成了极大的潜在威胁，裂缝检测对建筑结构的维护具有重要意义，当前基于深度学习的裂缝检测针对提取裂缝细节的能力仍有待提高。因此，该文对Deepcrack网络进行优化，提出了基于金字塔分割注意力和全局上下文的混凝土裂缝检测算法PG-Deepcrack。首先，在编码器中提出双卷积-注意力并行模块，增加金字塔分割注意力分支为卷积层提供更丰富的多尺度裂缝信息；其次，为了捕获长距离依赖关系，并行模块操作后引入全局上下文模块，进一步提升网络对裂缝细节的表达能力；最后，在特征融合阶段利用全维动态卷积和GELU激活函数，对编解码器特征层联级融合，使网络更全面地保留不同尺寸的裂缝信息并提高模型的泛化性能。为验证网络模型的有效性，在Deepcrack数据集上与7个网络模型进行对比试验，所提出的网络表现了最佳性能，IoU达到了72.78%。