经过修剪的U-net具有多尺度功能融合,并专注于实时无人机对堤缺陷的遥感

科学领域:

• 土木工程 土木工程是指土木工程.
• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉

背景情况:

• 由于环境因素和物质退化,Levee基础设施的性能正在下降.
• 目前的检查方法往往是低效和昂贵的.
• 使用无人机 (UAV) 图像的自动缺陷检测面临着诸如污点,遮蔽和照明变化等挑战.

研究的目的:

• 为准确和高效的堤防检查开发一个实时语义细分框架.
• 为了提高无人机图像中自动缺陷检测的稳定性和性能.
• 为大规模堤监测和风险管理提供一个具有成本效益的解决方案.

主要方法:

• 一个优化的U-Net架构,结合了结构化的修剪,以加速推断.
• 整合了残余卷积块注意模块 (ResCBAM),以增强缺陷突出性和减少背景噪声.
• 实施多级特征融合策略与在线特征蒸,以改善细粒度表示.

主要成果:

• 拟议的框架实现了90.05%的准确性,88.94%的回忆,89.22%的精度和88.67%的IOU在老堤防图像上.
• 实现了57.74 FPS的实时处理速度,证明了有利的速度精度权衡.
• 该方法在堤防缺陷检测方面表现优于现有的最先进的基线方法.

结论:

• 开发的框架适用于基于无人机的大规模堤监测.
• 该系统在及时识别缺陷方面提供了显著的进步,用于积极的风险管理.
• 这项技术提高了堤基础设施的长期性能和安全性.