基于点基神经渲染技术的高分辨率桥梁裂缝图像的精细分割

《Journal of Industrial Information Integration》：Meticulous Segmentation of High-resolution Bridge Crack Images based on Point-based Neural Rendering Technology

　　

洪胡楚 | 陈伟伟 | 钟庞乔

摘要

在实际工程中，高分辨率（HR）成像设备被广泛用于捕捉基础设施表面的裂纹图像。然而，传统的基于深度学习（DL）的分割方法在处理高分辨率裂纹图像时难以平衡边界分割精度和GPU效率，这主要是由于传统架构中的离散采样操作以及GPU计算资源的限制。为了解决这些挑战，本文提出了裂纹精细分割网络（Crack Meticulous Segmentation Network，CMSN），该网络整合了计算机图形学中的先进点基神经渲染技术，以实现精确的4K裂纹图像分割。CMSN的主要改进包括：（1）裂纹边缘引导分支，它结合了边缘过滤和Transformer算法，恢复了粗略分割过程中丢失的高频边界细节，为后续的点渲染提供准确的指导；（2）在点渲染领域采用目标非均匀采样策略，该策略由概率热图引导，将计算资源集中在细微或模糊裂纹的边界区域；（3）基于细粒度目标重组的“复制粘贴”数据增强方法，该方法缓解了高质量细标记训练数据的稀缺问题，并提高了模型的泛化能力。通过对扩展的开源裂纹数据集进行实验评估，通过消融研究证实了每个组件的有效性。此外，在长沙三汊矶桥上进行的基于无人机的裂纹检测实验展示了CMSN的强大适用性，其IoU、mBA和DICE得分分别为84.42%、82.79%和91.55%。这些结果凸显了CMSN在提高基于无人机的裂纹检测的精度和效率方面的能力，从而改善了实际场景中的安全评估和操作灵活性。