基于语义分割的桥梁锈蚀病害识别对比分析

针对桥梁锈蚀数据难获取、锈蚀病害数据集小的问题,基于生成对抗网络(GAN)对桥梁锈蚀数据集进行扩增,并采用IS和K均值聚类算法验证其有效性.采用扩增后的数据集,按4∶1的比例划分为训练集和验证集,分别对U-Net网络和DeepLab-V3+网络进行训练,对比分析2种网络对于锈蚀分割的精度、召回率及F1分数.结果表明,采用深度卷积生成对抗网络(DCGAN)生成虚拟数据集的IS值达到2.41,分类肘形图类别数为5,与原数据集吻合,可作为扩增数据集以提升模型泛化性;DeepLab-V3+网络模型在验证集上的精度为0.935,召回率为0.952,F1 分数为0.943,均显著高于U-Net网络模型.DeepLab-V3+网络在点状锈蚀区域连通与分割方面优于U-Net网络,并实现了片状锈蚀区域分割,为桥梁锈蚀精准识别与分割提供了技术支撑.