改进U-Net的路面裂缝检测方法

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：张明星, 徐健, 刘秀平, 张勇进, 张闯, 宁小鸽

单位：1.西安工程大学 电子信息学院，西安 710048；2.中航工业陕西飞机工业（集团）有限责任公司，陕西 汉中 723213

摘要：针对基础U-Net对路面裂缝分割效果不强，裂缝轮廓分割精细度不够、难以识别狭窄裂缝、分割精度低等问题，提出一种改进U-Net的路面裂缝分割方法。使用改进的ResNet50作为主干网络提取路面裂缝特征，设计了基于注意力机制的特征融合模块改进U-Net的跳跃连接，在解码部分添加特征细化头得到改进的模型。使用自建的路面裂缝数据集对提出的模型与目前先进模型进行比较，并对优化前后的模型做消融实验。实验结果表明，该模型在自建的路面裂缝数据集上的mIoU、Precision、mPA分别达到0.838 1、0.892 8、0.916 9，相比于基线U-Net分别提高0.019、0.016 8、0.023 2，推理速度为40.02?FPS能够满足工程应用的需求。在开源的Crack500数据集中验证了该模型相比于U-Net、DeepLabV3+等网络模型具有更强的性能和泛化能力。

关键词：计算机应用,路面裂缝检测,深度学习,特征融合,语义分割