劉智勇

（廣州地鐵集團有限公司 廣州510335）

0 引言

混凝土結(jié)構(gòu)在服役或施工過程中常會產(chǎn)生不同程度和大小的裂縫等表觀病害［1］，如果混凝土表面裂縫沒有及時查明或進行修補，將會影響結(jié)構(gòu)的耐久性及使用壽命［2］。為滿足我國公路運輸發(fā)展的需求，我國建設(shè)了大量的混凝土道路，在長期服役過程中，受車輛的擠壓作用，混凝土的強度性能也會發(fā)生變化，從而出現(xiàn)大規(guī)模表觀裂縫，對公路運輸產(chǎn)生重大安全隱患［3-4］。因此，有必要對混凝土道路定期進行檢測維護［5］。通過裂縫的形態(tài)特征及表觀特征，可以推斷裂縫劣化的潛在原因，為我國公路結(jié)構(gòu)的健康檢測和診斷提供依據(jù)［6］。

國內(nèi)大量學者在裂縫的識別及定位上提出了思路和方法［7-9］，但目前為止，針對公路混凝土表面裂縫的有效識別方面仍沒有得出較好的結(jié)果。因此，本文在已有的研究基礎(chǔ)上，提開發(fā)一種基于Mask R-CNN的混凝土道路智能識別算法，首先對小樣本數(shù)據(jù)集進行增廣，然后用Mask R-CNN深度卷積神經(jīng)網(wǎng)絡(luò)對COCO數(shù)據(jù)集進行遷移學習，最終實現(xiàn)混凝土道路裂縫的智能識別。

1 數(shù)據(jù)集制作

1.1 數(shù)據(jù)增廣

試驗數(shù)據(jù)來源于廣東省某混凝土路面的實地拍攝，通過無人機、高精度數(shù)碼相機等設(shè)備采集了710張復(fù)雜背景下的道路裂縫圖片，對其中環(huán)境干擾較大、影響深度學習結(jié)果的圖像進行剔除，最終選取330張作為數(shù)據(jù)集，所選樣本數(shù)據(jù)包含不同光照強度、不同拍攝角度、不同裂縫數(shù)量的圖像，部分裂縫樣本數(shù)據(jù)如圖1所示。

圖1 裂縫樣本圖像Fig.1 Fracture Sample Image

由于深度卷積神經(jīng)網(wǎng)絡(luò)的識別精度對樣本數(shù)據(jù)集有極高的要求，330張裂縫數(shù)據(jù)集圖像不能夠支撐網(wǎng)絡(luò)訓(xùn)練。因此本文通過對裂縫圖像進行垂直翻轉(zhuǎn)90°、水平翻轉(zhuǎn)90°、逆時針旋轉(zhuǎn)45°、順時針旋轉(zhuǎn)45°以及圖像擴大1.5倍的方法進行樣本數(shù)據(jù)增廣，如圖2所示，剔除環(huán)境影響較大的圖像，數(shù)據(jù)增廣后的裂縫數(shù)據(jù)集共1 960張。按照60%、20%、20%的比例對訓(xùn)練集、驗證集、測試集進行劃分，最終得到訓(xùn)練圖片1 176張，驗證圖片392張、測試圖片392張。

圖2 數(shù)據(jù)擴展后的裂縫圖像Fig.2 Fracture Image after Data Expansion

通過有監(jiān)督深度學習的方式對深度卷積神經(jīng)網(wǎng)絡(luò)進行學習，通過Labelling程序?qū)χ谱鞯牧芽p數(shù)據(jù)集進行標記，標記后按照裂縫圖像的輪廓創(chuàng)建目標區(qū)域，標注裂縫面積，由于本文只識別裂縫一個類別，因此統(tǒng)一采用裂縫的英文crack作為識別裂縫的標簽名稱。

1.2 遷移學習

由于目標區(qū)域有標簽及掩碼的真實樣本數(shù)量相對較少，對于單標簽數(shù)據(jù)集及小樣本數(shù)據(jù)集，在深度卷積神經(jīng)網(wǎng)絡(luò)計算過程中，容易出現(xiàn)模型的過度擬合問題，在本文的研究中，除對樣本進行數(shù)據(jù)增廣外，還使用了COCO數(shù)據(jù)集進行遷移學習，通過應(yīng)用COCO數(shù)據(jù)集的訓(xùn)練權(quán)重進行遷移學習，并凍結(jié)了1～4層骨干網(wǎng)絡(luò)的訓(xùn)練權(quán)重，如圖3所示。

圖3 遷移學習過程中進行特征值融合Fig.3 Eigenvalue Fusion is Carried out in the Process of Transfer Learning

在進行遷移學習后，首先可以使Mask R-CNN神經(jīng)網(wǎng)絡(luò)學習到新的特征信息，其次可以通過調(diào)節(jié)全連接層的權(quán)值文件，并剔除原始神經(jīng)網(wǎng)絡(luò)中的特征信息，可較好地解決模型的過度擬合問題，直到神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)束，模型的準確率仍處于穩(wěn)定狀態(tài)，最終獲得可識別混凝土道路裂縫的權(quán)值文件。

2 Mask R-CNN目標檢測原理

Mask R-CNN是一種在Faster R-CNN基礎(chǔ)上改進而來的深度卷積神經(jīng)網(wǎng)絡(luò)（CNN），Mask R-CNN改進了Faster R-CNN的缺陷，取消了原始Faster R-CNN神經(jīng)網(wǎng)絡(luò)中感興趣區(qū)域池化技術(shù)，創(chuàng)新了感興趣區(qū)域?qū)R技術(shù)（RoIAlign），并增加了掩碼預(yù)測技術(shù)，如圖4所示，既可以對復(fù)雜環(huán)境下目標進行精準識別，并且可以對目標識別物體進行實例分割，在混凝土表面裂縫檢測中，有良好的應(yīng)用前景。

圖4 Mask R-CNN深度卷積神經(jīng)網(wǎng)絡(luò)框架Fig.4 Mask R-CNN Deep Convolutional Neural Network Framework

2.1 FPN

傳統(tǒng)的Faster R-CNN對特征區(qū)域進行選取主要是通過深度卷積神經(jīng)網(wǎng)絡(luò)來實現(xiàn)，通過提取最后一層圖片的特征信息，輸入到區(qū)域候選網(wǎng)絡(luò)中，但由于傳統(tǒng)的深度卷積神經(jīng)網(wǎng)絡(luò)會將小目標特征自動識別為隨機噪聲進行過濾，因此對裂縫的識別并效果并不理想。

為解決傳統(tǒng)CNN網(wǎng)絡(luò)帶來的問題，本文選取Mask R-CNN神經(jīng)網(wǎng)絡(luò)，并引入FPN算法，F(xiàn)PN使用自上而下的體系結(jié)構(gòu)，如圖5所示，可對特征區(qū)域更好的提取語言信息及圖片信息，在準確率及計算速度上也可以得到很好地提升。基于此，本文通過使用ResNet與FPN相結(jié)合的主干網(wǎng)絡(luò)對裂縫圖像進行訓(xùn)練，可在保證計算精度的同時，大幅度提升計算速度。

圖5 特征信息提取的FPN網(wǎng)絡(luò)結(jié)構(gòu)［10］Fig.5 FPN Network Structure for Feature Information Extraction［10］

2.2 RPN

區(qū)域候選網(wǎng)絡(luò)（RPN）通常在Faster R-CNN網(wǎng)絡(luò)中被用來提取目標檢測標記框，在Mask R-CNN中的RPN結(jié)構(gòu)與Faster R-CNN。區(qū)域候選網(wǎng)絡(luò)通過將圖片分割成若干個窗口，在每個候選框內(nèi)產(chǎn)生標記點，對檢測區(qū)域進行標定，在本文選用的Mask R-CNN神經(jīng)網(wǎng)絡(luò)中通過神經(jīng)元卷積，對得到的標記點機械能排除和過濾，最后通過NMS抑制算法，提取出建議候選區(qū)，最終選取真實裂縫位置的區(qū)域，如圖6所示。

圖6 RPN神經(jīng)網(wǎng)路結(jié)構(gòu)［11］Fig.6 RPN Neural Network Structure［11］

2.3 RoIAlign

感興趣區(qū)域?qū)R技術(shù)（RoI Align）改進了傳統(tǒng)CNN網(wǎng)絡(luò)中感興趣區(qū)域池化技術(shù)的不足，消除了量化操作，通過雙線性插值的方法計算像素值，可較好地解決邊界不匹配的問題（見圖7）。通過對特征圖上距離較近的像素得到整體像素值，最后的感興趣區(qū)域?qū)R結(jié)果就是對每個單元格內(nèi)的采樣點進行最大池化。在RoIAlign的過程中可以進行反向傳播計算，即可得到實例分割區(qū)域（即本文裂縫區(qū)域）的圖像。

圖7 RoI Align算法雙線性插值［12］Fig.7 The Roi Align algorithm is Bilinear Interpolation［12］

3 結(jié)果與分析

3.1 實驗環(huán)境

基于Mask R-CNN神經(jīng)網(wǎng)絡(luò)和遷移學習算法，本文將目前應(yīng)用較為普遍的SSD算法和Yolov3算法應(yīng)用在混凝土路面的識別檢測中，比較Mask R-CNN算法與SSD算法、Yolov3算法在裂縫識別檢測中方面的優(yōu)勢。本文試驗在64位Win10操作系統(tǒng)進行，集成開發(fā)環(huán)境選用spyder，具體計算機配置如下：Window 10操作系統(tǒng)，32 G內(nèi)存，CPU為Inter Cor i7-7500u，6 GB顯存，GPU為NVIDA GeForce RTX 1660 Super。

3.2 識別方法比較

首先將訓(xùn)練測試機輸入到Mask R-CNN算法中，訓(xùn)練得到混凝土路面裂縫神經(jīng)網(wǎng)絡(luò)模型，目標檢測及實例分割效果如圖8所示，可以發(fā)現(xiàn)，通過Mask RCNN神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，可以準確地對混凝土表面的裂縫進行識別，并對裂縫面積通過實例分割進行表征，且整體識別率較高。

圖8 Mask R-CNN神經(jīng)網(wǎng)絡(luò)識別效果Fig.8 Mask R-CNN Neural Network Recognition Renderings

根據(jù)訓(xùn)練過程中得到的召回率（Recall）和精準度（Precision）計算不同神經(jīng)網(wǎng)絡(luò)得到的平均精度值（mAP），對深度卷積神經(jīng)網(wǎng)絡(luò)的性能進行評價，精準度、召回率以及平均精度值的計算公式分別為：

式中：FP為裂縫被誤檢為其他對象的數(shù)量；TP為正確檢測出裂縫的數(shù)量；FN為其他對象被錯誤檢測成裂縫的數(shù)量；Precision為精確度；Nc為含有裂縫圖片的數(shù)量；N為數(shù)據(jù)集圖片的總數(shù)。

為研究Mask R-CNN神經(jīng)網(wǎng)絡(luò)目標檢測模型與其他主流神經(jīng)網(wǎng)絡(luò)相比的優(yōu)勢，將SSD算法、Yolov3算法的檢測結(jié)果與Mask R-CNN的檢測效果進行對比，具體結(jié)果如表1所示。

表1 不同神經(jīng)網(wǎng)絡(luò)模型的測試結(jié)果Tab.1 Test Results of Different Neural Network Models

從表1中可以看出，本文提出的Mask R-CNN算法的召回率、準確率及mAP均好于傳統(tǒng)的SSD、Yolov3目標檢測算法，SSD算法在裂縫圖像檢測中的檢測效果很難讓人滿意，Yolov3算法雖然準確率較高，但mAP值較低，從圖8?中也可以看出，本文提出的Mask R-CNN算法在實例分割中也得到了較好的效果，可在檢測同時估算裂縫的面積，在其他傳統(tǒng)檢測模型中并不能做到實例分割的效果。

3.3 圖像增廣方法比較

本文在數(shù)據(jù)集制作中選用了圖像增廣，為驗證數(shù)據(jù)增廣對裂縫圖像減少模型過度擬合的效果，本文通過對比試驗進行研究，選取未進行數(shù)據(jù)增廣的圖像進行訓(xùn)練，對比試驗結(jié)果如表2所示。

由表2可知，數(shù)據(jù)增廣對Mask R-CNN神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果有顯著影響，且未進行數(shù)據(jù)增廣的數(shù)據(jù)集在訓(xùn)練過程中有較高的過度擬合效應(yīng)，使得模型在訓(xùn)練結(jié)果過程中表現(xiàn)較不穩(wěn)定，因此在混凝土表面裂縫數(shù)據(jù)集不足的情況下，可以使用本文提出數(shù)據(jù)增廣手段對數(shù)據(jù)集進行擴增，提高模型的檢測效果。

表2 數(shù)據(jù)集增廣對比試驗結(jié)果Tab.2 Experimental Results of Augmented Data Set

4 結(jié)論

本文通過選取Mask R-CNN深度卷積神經(jīng)網(wǎng)絡(luò)并進行遷移學習對混凝土路面表觀裂縫進行檢測，得到以下結(jié)論：

⑴本文研究的Mask R-CNN算法應(yīng)用于混凝土表面裂縫檢測總體準確率和召回率均達到了98.12%和96.31%，取得了較好的檢測效果與分割效果，為混凝土裂縫智能檢測和識別提供了一種快速、高效的解決方案。

⑵使用數(shù)據(jù)增廣和COCO數(shù)據(jù)集進行遷移學習可以有效解決Mask R-CNN算法在識別裂縫過程中易出現(xiàn)的過度擬合問題，可得到較好的檢測效果。

⑶與傳統(tǒng)的Yolov3、SSD目標檢測算法相比，本文提出的Mask R-CNN目標檢測算法有較高的準確性，并可在目標檢測的同時對裂縫面積進行分割，更加高效地對公路路面混凝土裂縫進行檢測。