| 摘要：基于深度学习的水下桥墩裂缝检测依赖大量的裂缝图像，然而桥墩裂缝稀缺且受水体环境干扰导致裂缝图像质量不佳，为此提出改进的CycleGAN网络用于生成水下桥墩裂缝图像数据. 通过水下机器人采集水下桥墩壁面图像数据，结合桥梁裂缝数据构建数据集. 为了保证生成数据质量，在CycleGAN的生成器中添加scSE注意力，并在颈部处添加DehazeFormer模块，使生成的水下桥墩裂缝的图像质量提升，在特征空间中具有更好的分布和区分度. 采用像素感知判别器对生成的图像进行精准判别. 采用所提方法，水下图像质量UIQM、水下色彩质量UCIQE和峰值信噪比PSNR分别达到0.818、0.443和24.673，生成的水下桥墩裂缝效果优于其他主流图像转换算法的. 为了验证裂缝图像质量，结合机器人采集的水下桥墩裂缝数据，采用目标检测任务对比生成的水下图像质量和真实的水下桥墩裂缝质量，结果表明，F1分数和mAP50指标分数相差均小于0.1%. 所提方法有望解决目标检测任务数据不足问题，为水下桥墩的安全评估提供有力的数据支持. 关键词：水下桥墩裂缝,数据稀缺,CycleGAN,scSE注意力,DehazeFormer模块,像素感知判别器 基金资助：重庆市自然科学基金创新发展联合基金资助项目(CSTB2024NSCQ-LZX0024)；重庆市教育委员会科学技术研究资助项目(KJZD-K202300711)；重庆市研究生科研创新资助项目(CYS240489). ▶ 来源：期刊之家（《浙江大学学报·工学版》2025年第9期） ▶ 原文标题：基于改进CycleGAN的水下桥墩裂缝图像生成 ▶ 原文链接：http://www.qikanzj.com/hek/zjdxxbgxb/mulu/657982.html ▶ 转载时间：2026-10-04 |
关注公众号