来源：期刊VIP网 时间：
作者：王卓;柴雪松;凌烈鹏;周希博;李健超;王宁;
单位：中国铁道科学研究院集团有限公司铁道建筑研究所;中铁科学技术开发有限公司;高速铁路轨道系统全国重点实验室;
摘要：铁路混凝土结构物表观劣化检测中标定数据较少，常规算法无法满足其检测要求。本文采用了基于半监督学习的铁路混凝土结构物表观劣化判别方法，引入无标注数据中的伪标注生成和一致性约束使得模型性能显著提升。选用U-Net作为基础模型，结合迭代式训练策略，利用少量有标注数据和大量无标注数据进行训练，提高模型分割新图像的能力。结果表明：该方法在铁路三种场景的图像分割任务上表现出良好的性能；采用半监督学习方法后，U-Net模型在隧道衬砌、轨道板、桥梁腹板数据集上的类别平均准确率分别为92.7%、81.0%、79.1%，相较于传统全监督学习方法，三种场景的图像分割任务类别平均准确率分别提升了2.5%、1.8%、1.3%；无标注图像越多，方法准确率提升效果越明显，说明本文方法在混凝土结构物表观劣化检测中更有效。
关键词：铁路混凝土;;结构物表观劣化;;图像分割;;半监督学习;;准确率
基金资助：中国铁道科学研究院集团有限公司基金(2022YJ093)
