来源：期刊VIP网 时间：
作者：赵阳;康飞;万刚;
单位：大连理工大学建设工程学院;中国长江电力股份有限公司;
摘要：针对受水下环境影响造成的混凝土坝水下裂缝图像获取困难、样本稀缺，裂缝检测效率低、精度差、主观性强等问题，提出基于生成对抗网络CycleGAN和目标检测网络YOLOv8s的水下裂缝检测方法。首先，引入梯度惩罚WGAN-GP损失与相似性度量LPIPS损失，提出一种改进的CycleGAN图像风格迁移网络，以此生成高质量水下裂缝图像，解决数据样本不足的问题；之后，添加SimAM无参注意力并引入WIoU损失，提出改进的YOLOv8s水下裂缝识别网络，以提高水下裂缝图像识别的精度。试验结果表明，改进CycleGAN方法起到了良好的数据扩充作用，能有效提升后续检测任务的精度；改进YOLOv8s方法在消融、对比试验中，裂缝识别精度较原网络、Faster R-CNN、YOLOX-s、YOLOv5s分别提高2.4%、5.4%、2.4%、1.2%,检测效果满足高效、精确的要求，可为混凝土坝水下裂缝识别提供技术支持。
关键词：水下裂缝识别;;生成对抗网络;;数据扩充;;损失函数;;注意力机制
基金资助：国家重点研发计划(2022YFB4703404);; 广西重点研发计划(AB24010003);; 国家自然科学基金项目(52079022)
