在中国使用深度学习在建筑物的外部表面上检测疾病
1School of Housing, Building and Planning, Universiti Sains Malaysia, Penang, 11700, Malaysia.
Scientific reports
|March 13, 2025
概括
这项研究引入了一种深度学习模型,用于检测建筑外部疾病,改善城市基础设施的维护. 这种先进的系统提供了准确的实时监控,提高了老化城市的结构完整性和美学效果.
科学领域:
- 土木工程 土木工程是指土木工程.
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 城市基础设施,特别是老城市,需要有效的方法来保持建筑的美学和结构完整性.
- 建筑外部疾病的传统手工检查是低效的,昂贵的,容易出错,导致维护延迟.
研究的目的:
- 应用深度学习来准确,实时检测城市环境中的建筑外部疾病.
- 通过先进的监测,提高基础设施健康管理的效率和准确性.
主要方法:
- 开发了一个集成DenseNet块和Swin-Transformer预测头的深度学习模型.
- 在来自不同中国城市环境的289张高分辨率图像上训练并验证了模型.
- 利用数据增强来提高各种条件下的模型稳定性.
主要成果:
- 实现了84.42%的准确性,77.83%的回忆,F1得分为0.81.
- 演示了每秒55的检测速度.
- 在杂的城市环境中有效识别复杂的损坏模式,包括微小的裂.
结论:
- 深度学习为实时检测建筑外部疾病提供了实用的解决方案.
- 拟议的模型在准确性和效率方面明显优于传统方法.
- 这项技术可以改变城市维护策略,改善基础设施监测,并使及时干预成为可能.
