基于U<sup>2</sup>-Net+的透水混凝土CT影像孔隙分割

侯斌; 孙水发; 张蕊; 崔文超; 李玉博

doi:10.20040/j.cnki.1000-7709.2024.20230463

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于U²-Net+的透水混凝土CT影像孔隙分割

更新时间：2026-02-25

- 基于U²-Net+的透水混凝土CT影像孔隙分割
- Issue 2, Pages: 62-66(2024)
- 作者机构：
  
  1. 湖北省水电工程智能视觉监测重点实验室
  2. 三峡大学计算机与信息学院
  3. 杭州师范大学信息科学与技术学院
  4. 湖北工业大学土木建筑与环境学院
- 作者简介：
- 基金信息：
- DOI：10.20040/j.cnki.1000-7709.2024.20230463
  CLC： TU528;TP391.41
- Published：2024
- 稿件说明：
移动端阅览
侯斌, 孙水发, 张蕊, et al. 基于U²-Net+的透水混凝土CT影像孔隙分割[J]. 2024, (2): 62-66.
DOI：

侯斌, 孙水发, 张蕊, et al. 基于U²-Net+的透水混凝土CT影像孔隙分割[J]. 2024, (2): 62-66. DOI： 10.20040/j.cnki.1000-7709.2024.20230463.

摘要

针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题，提出了一种堆叠高效RSU模块的U

-Net+的图像分割方法。该方法通过堆叠高效的RSU模块，在网络中引入了更多的上采样节点和跳跃连接，还原了更多下采样阶段丢失的特征图细节；在编码阶段增加了一个可学习的下采样操作，进一步提升了网络对细节的捕获能力；简化了原网络的深度监督，避免了底层特征图对融合输出特征图的负面影响；将单一的标准二分类交叉熵损失函数改为Focal loss和IoU loss组成的混合损失函数，提升了网络对高噪声孔隙的关注度；最后由于数据集的特点加网络改进的提升，原网络中各模块的中间通道数得以进一步缩减，减小了网络体积。试验结果表明，U

-Net+相比U

-Net

在保证轻量化和快速性的同时，平均交并比、精确度、F1得分由94.12%、88.89%、93.28%分别提升至94.24%、91.15%、94.29%;U

-Net+综合指标优于U-Net、U-Net++、U-Net3+、U

-Net、U

-Net

各指标相较于主流的阈值分割算法至少提高23.29%

实现了透水混凝土CT影像孔隙的精准、快速分割。

Abstract

关键词

Keywords

references

Zhang Hua,Zhang Rui,Sun Daquan,Yu Fan,Gao Zhang,Sun Shuifa,Zheng Zichang.Analyzing the pore structure of pervious concrete based on the deep learning framework of Mask R-CNN[J].Construction and Building Materials,2022.

Xuebin Qin,Zichen Zhang,Chenyang Huang,Masood Dehghan,Osmar R. Zaiane,Martin Jagersand.U 2 -Net: Going deeper with nested U-structure for salient object detection[J].Pattern Recognition,2020.

Zhou Zongwei,Siddiquee Md Mahfuzur Rahman,Tajbakhsh Nima,Liang Jianming.UNet++: Redesigning Skip Connections to Exploit Multiscale Features in Image Segmentation[J].IEEE Transactions on Medical Imaging,2019.

杨海川,范宏,苗润阳,谷远春.基于序列剖面图像的透水混凝土三维重建研究[J].混凝土,2021(11).

曾晖,陈志成,贺奇峰,姚帆.透水混凝土配合比设计及其优化方法[J].水电能源科学,2021(10).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

模型驱动辅助的高土石坝监测数据处理与变形预测方法研究

基于CNN-LSTM模型的城市洪水二维时空预测研究

基于多层感知机和编码器解码器架构的混凝土坝长期变形预测

基于水动力模型和深度学习的缺资料河段水位预测研究

基于下垫面智能识别和水动力仿真的LID城市降雨径流调控优化

Related Author

徐斌

谭炜

荣卓

钟聚光

岳金文

李红文

宋华涛

王浩正

Related Institution

四川省紫坪铺开发有限责任公司

大连理工大学建设工程学院

中国电建集团中南勘测设计研究有限公司

国网新源集团有限公司湖南分公司

中国市政工程华北设计研究总院有限公司

AI问答

⁰

基于U2-Net+的透水混凝土CT影像孔隙分割

DOI：10.20040/j.cnki.1000-7709.2024.20230463

摘要

Abstract

关键词

Keywords

references

基于U²-Net+的透水混凝土CT影像孔隙分割