复杂背景下机场道面细带状结构病害检测算法

作者：李海丰; 韩红阳

来源：北京航空航天大学学报, 2021, 1-9.

DOI：10.13700/j.bh.1001-5965.2020.0512

• 机场道面细带状结构病害
• DetMSPNet
• 注意力机制
• 特征融合
• 复杂背景

目的 机场道面裂缝、角隅断裂、接缝破碎、修补等病害宽度狭小、长短不一、图像中像素占比少，呈细带状结构，且与复杂背景对比度低，现有检测算法效果不佳。针对以上问题，本文提出了一种基于注意力机制与特征融合的深度神经网络模型DetMSPNet。方法 首先利用注意力机制模块CBAM，使得特征学习更加专注于细带状结构病害区域，抑制干扰信息；接着构建残差空洞金字塔模块，提取不同尺度空间下的特征信息；然后设计最大池化支路，便于之后浅、深层不同层次特征进行融合，加强模型对于病害的定位能力，并且将深层特征输入三种不同扩张率的扩张卷积和金字塔池化模块，使得病害特征包含更多全局上下文信息；最后对所有层输出的病害特征信息进行融合，实现不同尺度、不同层次特征的信息互补。结果与目前三种经典的目标检测算法在机场道面病害数据集APD上做了对比实验，结果表明，本文算法的mAP达到78.51%，优于以上对比算法。结论 本文提出DetMSPNet，提高了算法对机场道面细带状结构病害检测中宽度狭小、长短不一、图像中像素占比少、与复杂背景对比度低等情况的适应能力，实验结果表明本文算法的平均检测精度得到了提高。

• 单位
  中国民航大学