基于冲击回波特征深度学习的混凝土缺陷分类识别方法研究

来源：振动与冲击杂志2025年第11期北京时间：

作者：汪魁anhuiwk，陈泳江，范正强,，李鹏飞

单位：1.重庆交通大学水工建筑物健康诊断技术重庆市高校工程技术研究中心，重庆400074；2.国家能源集团金沙江旭龙水电有限公司，四川甘孜674507

摘要：准确识别与定位内部缺陷对于确保混凝土结构的安全性和耐久性至关重要，冲击回波法针对只具备单一检查面的混凝土结构具有独特优势，利用冲击回波法进行混凝土结构内部缺陷测试时，其难点在于冲击回波信号特征的分析及缺陷分类识别。为此,该研究提出基于冲击回波信号时频图深度学习的混凝土内部缺陷识别方法：首先，对含不同缺陷类型（孔洞、蜂窝、裂缝）混凝土面板开展冲击回波试验；然后，将原始冲击回波信号通过短时傅里叶变换和连续小波变换转换为时频图；最后，将两类时频图组合起来进行数据扩充，构建包含缺陷类型、孔洞大小、裂缝深度时频图的数据集，采用Swin Transformer、Vision Transformer、ResNet18三种深度学习模型进行训练，根据深度学习模型相关评估指标，分析不同数据集下不同深度学习模型的表现情况，对比模型对缺陷的分类识别效果。结果表明，三种模型中Swin Transformer表现最佳，在缺陷类型分类中准确率超过95.00%，识别性能良好。<br>

关键词：混凝土；冲击回波(IE)；深度学习；缺陷；分类识别