用于桥梁底部裂缝无人机检测分类的轻量模型VGG-A9
来源：计算机工程与应用杂志2026年第12期北京时间：
作者：虞志远, 代春泉, 王全磊
单位：1.山东科技大学 土木工程与建筑学院，山东 青岛 266590；2.山东科技大学 山东省土木工程防灾减灾实验室，山东 青岛 266590；
摘要：桥梁底部裂缝因位置隐蔽导致传统人工检测方法效率低、风险高，现有深度学习检测算法模型参数大、计算复杂度高，难以在嵌入式设备中实时部署。提出用于桥梁底部裂缝无人机检测分类的轻量模型VGG-A9。通过无人机系统采集桥梁底部裂缝图像，并采用语义分割驱动的图像二值化处理，消除光照干扰并保留裂缝形态特征，构建包含2?720张裂缝图像的数据集。简化VGG模型，通过削减网络全连接层参数，在7层卷积层嵌入批量归一化（batch normalization，BN）与Dropout优化策略，将VGG-A9模型参数压缩至7.4×105。实验表明，VGG-A9在自建数据集验证集上的分类准确率达98.53%，部署至无人机嵌入式平台后，单帧分类耗时21 ms，准确率为98.01%；在公开道路裂缝数据集EdmCrack600的鲁棒性测试中准确率达93.67%，显著优于其他模型。该方法在计算资源受限的场景中具备高效性与准确性，为桥梁智能化巡检提供了可行的技术路径。
关键词：桥梁工程,机器视觉,裂缝检测,无人机,VGG模型
基金资助：山东省住房城乡建设科技计划项目（2022-K7-6）。
