基于多尺度多分支残差卷积网络的钢筋混凝土隐蔽缺陷检测方法研究

《Optics and Lasers in Engineering》：Detection of hidden defects in reinforced concrete based on DSSPI and a multi-scale multi-branch residual convolutional network

本文提出一种基于多尺度多分支残差卷积网络（MSMB-ResNet）的DSSPI相位解包裹新方法，通过混合真实与模拟相位数据训练网络，实现噪声包裹相位的一步解包裹。实验表明该方法在钢筋混凝土隐蔽缺陷检测中较传统方法解包裹效率提升24.6倍，平均像素误差仅占像素范围的2.8%，为结构健康监测提供了高效解决方案。

　　

材料与方法

本节将介绍数据集构建、网络模型架构设计及模型实现细节。首先构建包含真实包裹相位与模拟包裹相位的混合数据集作为网络输入；其次提出多尺度多分支网络架构并深入解析其结构；最后说明网络训练过程与测试细节。

鲁棒性研究

MSMB-ResNet的解包裹性能需进一步验证。本节通过与传统解包裹方法对比，以均方根误差（RMSE）作为评价指标验证其性能，计算公式为：RMSE=√[1/(m×n)∑_i=1^m∑_j=1ⁿ[φ₂(i,j)-φ₁(i,j)]²]，其中m、n为相位图尺寸，φ₂(i,j)为...

实验

为验证MSMB-ResNet解包裹方法在实际应用中的有效性，将其应用于混凝土增强材料内部隐蔽脱粘缺陷检测。碳纤维增强聚合物（CFRP）被用于混凝土裂缝加固，该材料因轻质高强等优点广泛应用于混凝土结构加固领域。

结论

本研究针对噪声包裹相位的一步解包裹问题，设计了一种基于多尺度多分支结构的残差卷积网络（MSMB-ResNet）。模型通过局部残差机制有效缓解梯度消失问题，利用多尺度Inception模块学习深层特征，在钢筋混凝土隐蔽缺陷检测中展现出优越性能。