基于AI 大模型裂缝破损检测的研究和应用
摘要:在建筑结构安全监控中,对墙体裂缝进行精确检测是评估其健康状况的重要步骤。传统的人工检测方法在效率和主观方面都存在局限性,很难满足大规模检测的需要。为此,以卷积神经网络(CNN)为核心,构建基础模型和高层模型框架,采用批规范化、 dropout 正则化等方法提高特征抽取能力。采用多尺度滑动窗策略进行区域检测,并结合重叠区域合并和边界精化算法对裂纹定位精度进行优化。实验结果表明,该方法达到96.3% 的准确率和0.95 的F1 值,比传统方法提高8 倍以上,为建筑结构健康监测提供一种智能化的解决方案,具有重要的理论意义和实用价值。
王春宇 杨子文 董子和 范家豪 徐洪峰 丁翠