[发明专利]一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法

说明书

本发明公开了一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，引入三维交并比概念，并将其应用于深度学习的训练中，包括以下步骤：步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，构建位移云图样本库；步骤S2、构建一种新的经过优化的Yolo神经网络模型；步骤S3、基于步骤S2新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型，其中损失函数考虑了三维交并比预测误差Loss_IoU的影响。步骤S4、利用步骤S3中通过位移云图样本库训练的优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测。本方法更准确、效率高、成本低。

技术领域

本发明涉及土木工程与人工智能交互技术领域，特别是一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法。

背景技术

由于服役环境条件恶劣、荷载作用形式复杂，在役混凝土工程结构出现不同程度的劣化。损伤检测可以准确掌握混凝土结构或受力构件的损伤位置、损伤程度和服役状态，在结构运行中起着至关重要的作用。土木工程领域已有多种较成熟的无损检测方法，但总体而言适合于结构简单、损伤特征清晰的情况。对于复杂的结构而言，特征提取难度较大，测试精度不高。目前国家大力推进装配式结构的发展，对具有标准化、模块化特点的装配式结构而言，能否快速、精准检测标准化结构的合格程度，满足装配式结构生产的要求至关重要。

随着计算机运算能力的提高和深度学习的发展，人工智能等方法为求解损伤问题中结构响应与参数间的关系提供了新的思路，但对于混凝土内部损伤的识别研究，以往的工作大多还停留在损伤模态与特征的提取层面。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，本发明效率高，成本低，相对传统人工智能停留在提取损伤模态与特征的层面，本方法更准确、效率高、成本低。尤其适用于规则、可装配、模块化的装配式建筑的试验与检测。

本发明为解决上述技术问题采用以下技术方案：

根据本发明提出的一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法，包括以下步骤：

步骤S1、构建多个梁的损伤模型和多个柱的损伤模型，通过Python处理模型，获得已经损伤的混凝土梁和混凝土柱的表面位移云图，并设置表面位移云图的大小，根据调整过大小后的已经损伤的混凝土梁和混凝土柱的表面位移云图，构建位移云图样本库；

步骤S2、在Darknet-19特征提取网络的基础上进行改进，引入三维交并比概念，并将其应用于深度学习的训练中，构建一种新的经过优化的Yolo神经网络模型；新的经过优化的Yolo神经网络模型中的损失函数中增加了三维交并比预测误差Loss_IoU的影响；

步骤S3、基于步骤S2中新的经过优化的Yolo神经网络模型，通过位移云图样本库训练新的经过优化的Yolo神经网络模型；

步骤S4、利用步骤S3中通过位移云图样本库训练的经过优化的Yolo神经网络模型，识别出的混凝土内部损伤位置和深度，完成混凝土内部损伤的预测。

作为本发明所述的一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法进一步优化方案，步骤S1中，利用Abaqus构建多个梁的损伤模型和多个柱的损伤模型。

作为本发明所述的一种基于Yolo网络和DIC技术的混凝土内部损伤预测方法进一步优化方案，新的经过优化的Yolo神经网络模型包括第一至第五卷积层、第一至第五池化层、第六卷积层和第七卷积层；其中，第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层、第四卷积层、第四池化层、第五卷积层、第五池化层、第六卷积层、第七卷积层是依次顺序连接的；