Xianqiang Wang, Feng Zhang and Xingxing Zou
Efficient Lightweight CNN and 2D Visualization for Concrete Crack Detection in Bridges
// Эффективная облегченная нейронная сеть и 2D-визуализация для обнаружения трещин в бетоне мостовых конструкций //
В данной статье представлен метод автоматизированного выявления трещин на бетонных мостах, основанный на применении компьютерного зрения. Разработанная облегченная сверточная нейронная сеть CNN ( специальный тип искусственных нейронных сетей, который эффективно и точно работает с данными, имеющими сеточную структуру, например, с изображениями) показала высокую эффективность, продемонстрировав точность свыше 92%. Важнейшим преимуществом модели является её способность функционировать на стандартных офисных ноутбуках, что открывает возможности для её широкого практического использования при обследовании малых и средних мостов. Для наглядного представления результатов также предложен алгоритм панорамной склейки изображений, позволяющий получить целостную картину состояния конструкции.
Abstract. This article presents a method for the automated detection of cracks in concrete bridges, based on the application of computer vision. The developed lightweight Convolutional Neural Network (CNN) demonstrated high efficiency, achieving an accuracy of over 92%. A key advantage of the model is its ability to run on standard office laptops, which opens up possibilities for its widespread practical use in the inspection of small and medium-sized bridges. For the clear visualization of results, a panoramic image stitching algorithm is also proposed, allowing for a comprehensive overview of the structure's condition.
Efficient Lightweight CNN and 2D Visualization for Concrete Crack Detection in Bridges / Xianqiang Wang, Feng Zhang and Xingxing Zou // Buildings – 2025. – Vol. 15. – № 18. – P. 3423. – DOI: https://doi.org/10.3390/buildings15183423
Заглавное изображение - авторов статьи