基于注意力感知图像分割的大坝缺陷智能识别

戴丽媛; 田晓丹; 杨丽雅; 沈长松

doi:10.20040/j.cnki.1000-7709.2025.20241140

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于注意力感知图像分割的大坝缺陷智能识别

水利枢纽、水利建筑物 | 更新时间：2026-02-25

- 基于注意力感知图像分割的大坝缺陷智能识别
- 基于注意力感知图像分割的大坝缺陷智能识别
- 水电能源科学 2025年第5期页码：153-155
- 作者机构：
  
  1. 皖江工学院水利工程学院
  2. 马鞍山市水工程健康诊断与修复技术研究中心
  3. 河海大学水利水电学院
- 作者简介：
- 基金信息：
  
  安徽省教育厅2023年高校科学研究重点项目(2023AH052490);马鞍山市水工程健康诊断与修复技术研究中心2023年度开放基金项目(2023msgc002);马鞍山市丘陵地区水资源高效利用工程技术研究中心2023年度开放基金项目(WREU202302)
- DOI：10.20040/j.cnki.1000-7709.2025.20241140
  中图分类号： TV64;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
戴丽媛, 田晓丹, 杨丽雅, 等. 基于注意力感知图像分割的大坝缺陷智能识别[J]. 水电能源科学, 2025,(5):153-155.

戴丽媛, 田晓丹, 杨丽雅, et al. 基于注意力感知图像分割的大坝缺陷智能识别[J]. 2025, (5): 153-155.
戴丽媛, 田晓丹, 杨丽雅, 等. 基于注意力感知图像分割的大坝缺陷智能识别[J]. 水电能源科学, 2025,(5):153-155. DOI： 10.20040/j.cnki.1000-7709.2025.20241140.

戴丽媛, 田晓丹, 杨丽雅, et al. 基于注意力感知图像分割的大坝缺陷智能识别[J]. 2025, (5): 153-155. DOI： 10.20040/j.cnki.1000-7709.2025.20241140.

摘要

大坝经年累月供水、防洪，极易出现裂缝、渗漏等问题，为此提出一种基于注意力感知图像分割的大坝缺陷识别方法，以某拱坝为例，首先构建一个优化的AlexNet网络模型，将通道图像(RGB图)和深度图像(Depth图)作为网络输入；然后在下采样结构前设置自适应滤波器并嵌入注意力感知模块；最后以跨模态特征融合获得RGB与Depth信息流相互补充的缺陷特征分割结果。测试结果显示，该方法分割大坝裂缝缺陷的效果最佳，未误分无效区域、未遗漏裂缝区域；同时PR曲线更靠近右上角且面积最大，可较好权衡精确度与召回率之间的关系，能更精准地分割出大坝缺陷目标信息。

Abstract

关键词

Keywords

references

赵鹏飞,钱玉良,金鑫,彭道刚.基于注意力机制和CNN-GRU模型的脱硫系统pH值预测[J].水电能源科学,2024(09).

龙江,左生龙,徐朗,漆一宁,苏怀智.基于影响因子筛选和GWO-KELM的大坝变形预测模型[J].中国农村水利水电,2024(08).

高齐,尹明锋,吴祥,符诗语,贝绍轶.融合多尺度-注意力机制和迁移学习的齿轮表面缺陷识别方法[J].现代制造工程,2023(08).

郑柏伦,冼楚华,张东九.融合RGB图像特征的多尺度深度图像补全方法[J].计算机辅助设计与图形学学报,2021(09).

顾书豪,李小霞,王学渊,张颖,陈菁菁.增强语义信息与多通道特征融合的裂缝检测[J].计算机工程与应用,2021(10).

毛莺池,王静,陈小丽,徐淑芳,陈豪.基于特征组合与CNN的大坝缺陷识别与分类方法[J].计算机科学,2019(03).

浏览量

102

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据