군집 최적화 알고리즘과 딥러닝을 이용한 댐 수중 균열을 위한 기계 비전 기반 지능형 분할 방법

Abstract 수자원 네트워크의 안전을 보장하는 것은 현재 수자원 산업의 연구 핫스팟이며, 댐은 중요한 부분이다. 그러나 시간이 지남에 따라 댐은 다양한 정도의 노화와 질병에 취약하며, 대부분은 구조적 균열이다. 이것들이 제때 발견되고 수리되지 않으면 댐의 정상 운영에 영향을 미치고, 심지어 댐 붕괴와 같은 치명적인 사고가 발생할 수 있다. 그러나 복잡한 배경과 흐릿한 이미지는 기계 비전 탐지 모델의 오판을 초래할 수 있으며, 고효율 및 정확한 탐지 및 평가 기술이 시급히 필요하다. 본 논문은 깊은 의미 분할 네트워크와 모델 하이퍼파라미터 최적화 알고리즘을 결합하여 지식 결합에 의해 구동되는 댐 수중 균열의 데이터 지능적 인식 방법을 제안한다. 콘크리트 면 록필 댐의 수중 탐지를 예로 들어, 수중 차량을 매개체로 사용하여 모델의 유효성을 검증한다. 실험 결과는 개발된 방법이 테스트 세트에서 0.9301의 교차-합집합 비율, 0.9678의 정밀도 비율, 0.9472의 재현율, 0.9577의 재현율을 달성함을 나타낸다. 이는 구축된 방법이 높은 균열 세부 탐지 성능을 가지고 있음을 보여준다. 또한 개발된 방법은 다양한 복잡한 수중 균열 장면에서 더 나은 분할 성능을 보여주며, 이는 개발된 방법의 높은 성능을 더욱 입증한다.