改進(jìn)U-net的自密實(shí)混凝土骨料語義分割算法

崔李三　鄧鵬　周圓兀

摘 要：為提高自密實(shí)混凝土骨料語義分割算法的性能，本文研究了一種融合注意力機(jī)制與深度學(xué)習(xí)的計(jì)算機(jī)視覺方法，該方法采用主流的編碼器（ResNet50）-解碼器（U-net）結(jié)構(gòu)，建立了基于融合注意力機(jī)制與深度學(xué)習(xí)的自密實(shí)混凝土骨料語義分割模型，可以在像素級別上分割混凝土圖像中的骨料，并通過精度、召回率、F1分?jǐn)?shù)和交并比等4個(gè)指標(biāo)對模型進(jìn)行評估。實(shí)驗(yàn)結(jié)果表明，在同一數(shù)據(jù)集下，本文模型評估性能優(yōu)于目前性能優(yōu)異的模型DeepLab V3+、PSPNet和HRnet，為評價(jià)自密實(shí)混凝土的穩(wěn)定性或抗靜態(tài)離析性提供了高效率的工具。

關(guān)鍵詞：深度學(xué)習(xí)；注意力機(jī)制；語義分割；自密實(shí)混凝土；穩(wěn)定性評價(jià)

中圖分類號：TP391.41；TU528.041 DOI：10.16375/j.cnki.cn45-1395/t.2023.04.006

0 引言

自密實(shí)混凝土是一種高流動性、非離析混凝土，具有良好的自密性和耐久性能，可以在不使用振搗器的情況下實(shí)現(xiàn)更好的充填性和均勻性，降低工程施工難度和成本，具有廣泛的應(yīng)用前景，如高層建筑、大型橋梁和水利工程等。自密實(shí)混凝土通常使用特殊的配合比和添加劑，其制備過程中需要控制混凝土的流動性和坍落度，以確保混凝土具有均勻的密實(shí)性和良好的耐久性能。由于自密實(shí)混凝土的制備較為復(fù)雜，需要采用特殊的工藝和技術(shù)，因此，在實(shí)際應(yīng)用中需要嚴(yán)格控制混凝土的質(zhì)量和施工工藝，以確保其穩(wěn)定性和耐久性能。自密實(shí)混凝土的穩(wěn)定性或抗靜態(tài)離析性通?？梢愿鶕?jù)硬化視覺穩(wěn)定性指數(shù)進(jìn)行評估[1]，該方法主要通過縱向切割硬化混凝土，依靠人工目視比較不同高度的骨料分布，獲得其穩(wěn)定性信息，工作量大、效率低、數(shù)據(jù)精度受到限制。因此，利用圖像處理技術(shù)對自密實(shí)混凝土的內(nèi)部結(jié)構(gòu)進(jìn)行分析和評價(jià)成為了一種新的研究方向。這種方法可以通過數(shù)字圖像獲取和處理，快速、準(zhǔn)確地獲得自密實(shí)混凝土的內(nèi)部結(jié)構(gòu)信息，提高了評價(jià)的效率和精度。

近年來，利用圖像處理方法評價(jià)自密實(shí)混凝土穩(wěn)定性的研究不斷涌現(xiàn)，并取得了一定的研究成果?；谟?jì)算機(jī)視覺的檢測方法已逐漸應(yīng)用于混凝土骨料分割任務(wù)，包括形態(tài)學(xué)分水嶺算法[2]、閾值[3]和邊緣檢測[4]等，這些方法雖然具有圖像處理速度快、人工操作少等優(yōu)勢，但僅適合簡單工況，應(yīng)用范圍小。隨著全卷積神經(jīng)網(wǎng)絡(luò)等一些深度學(xué)習(xí)算法在圖像處理技術(shù)中的應(yīng)用，為解決上述混凝土骨料分割方法的不足提供了有效手段[5]。深度學(xué)習(xí)算法中的語義分割模型主要使用編碼器-解碼器結(jié)構(gòu)（如SegNet[6]、U-net[7-8]、BTU-net[9]和PSPNet [10]）。編碼器通常是一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，由多個(gè)卷積層和池化層組成，用于提取圖像的低級和高級特征，如VGG[11]、ResNet[12-13]、MobileNet[14]和GoogLeNet[15]。解碼器用于對提取的特征進(jìn)行進(jìn)一步優(yōu)化，通常包括轉(zhuǎn)置卷積層或上采樣層以及卷積層，以便將編碼器輸出的低維特征圖映射回原始圖像的像素空間。然而，使用編碼器-解碼器結(jié)構(gòu)應(yīng)用于骨料語義分割的問題上主要存在2個(gè)問題：骨料多尺度和骨料邊界信息丟失[6]。Lin等[7]提出特征金字塔網(wǎng)絡(luò)來解決分割任務(wù)中的對象多尺度問題。Chen等[10]使用空洞卷積來放大感受野并聚合多尺度上下文信息，而不會減小特征映射的大小，從而減少邊界信息丟失。Sun等 [11]提出了一種多路徑高分辨率網(wǎng)絡(luò)，通過高分辨率和低分辨率并行連接、交換信息，可以有效利用高分辨層的空間語義信息和低分辨率層的語義信息，使網(wǎng)絡(luò)解決多尺度和邊界信息丟失問題更加高效。Milletari等[16]通過使用增加注意力機(jī)制模塊的ResNet50作為主干網(wǎng)絡(luò)改進(jìn)DeepLab V3+[10]網(wǎng)絡(luò)，進(jìn)一步提高了模型性能。Wang等[12]設(shè)計(jì)了一種半監(jiān)督語義分割網(wǎng)絡(luò)，與之前的方法相比，在精度指標(biāo)上（如召回率、交并比和精度）都有較大優(yōu)勢，但模型相對復(fù)雜，訓(xùn)練更加困難，需要計(jì)算的資源也較大，Yang等[14]基于高速實(shí)時(shí)語義分割雙分支架構(gòu)設(shè)計(jì)了一個(gè)具有高分辨率分支和輕量化的全局語義分支，有效地保留語義分割所需的遠(yuǎn)程和局部上下文依賴關(guān)系，并且計(jì)算開銷較低。

盡管基于深度學(xué)習(xí)的語義分割方法已在土木工程中廣泛使用，如建材質(zhì)量檢測[17]、建筑垃圾分類[18]、現(xiàn)場安全管理等，然而在自密實(shí)混凝土骨料圖像處理中的應(yīng)用較少。為提高深度學(xué)習(xí)的語義分割算法在自密實(shí)混凝土骨料圖像處理中的應(yīng)用，提出了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的混凝土骨料語義分割算法，對自密實(shí)混凝土的圖像進(jìn)行自動化處理，以期提高評價(jià)的準(zhǔn)確性與可靠性。

1 融合注意力機(jī)制的自密實(shí)混凝土骨料語義分割模型

為了實(shí)現(xiàn)混凝土截面圖像中自密實(shí)混凝土骨料的精確分割，本文提出了一種基于深度學(xué)習(xí)的新型架構(gòu)。該模型使用U-net[19]對沉積圖像進(jìn)行處理，并根據(jù)預(yù)測結(jié)果從圖像中提取骨料的形態(tài)特征。本文提出的自密實(shí)混凝土骨料語義分割框架如圖1所示。該方法采用具有編碼器-解碼器主流的語義分割結(jié)構(gòu)。編碼器提取輸入圖像特征，解碼器將低分辨率編碼器特征映射到輸入分辨率特征圖以實(shí)現(xiàn)全像素的分類。修改后的ResNet50[20]作為編碼器提取沉降圖像的特征，U-net作為解碼器實(shí)現(xiàn)分割。注意力機(jī)制通過學(xué)習(xí)進(jìn)行通道和空間維度上的注意力特征融合，本文在ResNet50的結(jié)構(gòu)中引入了一種通道空間注意力機(jī)制（convolutional block attention module，CBAM）[21]，以模擬通道、空間維度之間的相關(guān)性并增強(qiáng)基本特征。本文模型使用的U-net解碼器部分可以分為2個(gè)階段：上采樣和卷積。上采樣階段使用2*2卷積核將編碼器中的低維特征圖放大，經(jīng)過5次上采樣放大到原始圖像的尺寸。U-net解碼器的上采樣階段與編碼器的相應(yīng)階段通過跳躍連接在一起，將編碼器中的高級特征圖與解碼器中的低級特征圖結(jié)合起來。跳躍連接保留高級特征圖的信息，可以減少多次卷積導(dǎo)致的骨料多尺度和邊界信息丟失，提高了分割精度。在最后一個(gè)卷積層上應(yīng)用softmax激活函數(shù)生成概率分布，進(jìn)行圖像分割預(yù)測。

1.1 注意力機(jī)制

在深度學(xué)習(xí)中，注意力機(jī)制為一個(gè)可學(xué)習(xí)的模塊，即通過在特征圖的通道或空間上計(jì)算一個(gè)權(quán)重向量，使網(wǎng)絡(luò)模型在訓(xùn)練時(shí)能夠動態(tài)、自適應(yīng)地調(diào)整輸入的不同部分，達(dá)到使模型關(guān)注特定信息的目的。例如，在圖像分類中，注意力機(jī)制可以幫助模型識別與分類相關(guān)的局部區(qū)域，在語義分割中，可以幫助模型聚焦于具有語義信息的區(qū)域。本研究使用的CBAM[21]模塊的注意力機(jī)制結(jié)構(gòu)如圖2所示。CBAM模塊允許網(wǎng)絡(luò)動態(tài)調(diào)整通道和空間權(quán)重以提高網(wǎng)絡(luò)的表達(dá)能力。通過該操作有效特征獲得大權(quán)重，無效或低效特征獲得小權(quán)重，訓(xùn)練模型獲得顯著效果。CBAM模塊的輸入和輸出的通道數(shù)、特征圖尺寸都是相同的，可以集成到網(wǎng)絡(luò)的任何位置。CBAM模塊分為通道注意力模塊（channel attention module，CAM）和空間注意力模塊（spatial attention module，SAM）兩部分。CAM和SAM的計(jì)算公式分別為式（1）、式（2），

1.2 主干網(wǎng)絡(luò)

隨著神經(jīng)網(wǎng)絡(luò)層數(shù)的不斷加深，訓(xùn)練CNN模型的難度也會逐漸增加。為了應(yīng)對訓(xùn)練深度CNN模型的困難，He等[20]提出深度殘差網(wǎng)絡(luò)（ResNet）來解決網(wǎng)絡(luò)深度加深引起的梯度消失或爆炸問題，使用殘差連接（跳躍連接），以使原始輸入信息直接傳入以下輸出部分，進(jìn)一步降低了深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練難度，有助于誤差反向傳播并優(yōu)化模型參數(shù)。在圖像識別、圖像分割、目標(biāo)定位等計(jì)算機(jī)視覺相關(guān)任務(wù)中取得了良好的效果。

使用修改后的ResNet50主干特征提取網(wǎng)絡(luò)，ResNet50整體結(jié)構(gòu)如圖3所示。本文方法是在Conv Block和Identity Block 2個(gè)殘差塊內(nèi)增加CBAM注意力機(jī)制，以提高網(wǎng)絡(luò)的表達(dá)能力。修改后的ResNet50主干特征提取網(wǎng)絡(luò)有5個(gè)特征提取階段（Stage 0—Stage 4），每個(gè)階段都會得到1個(gè)特征圖（Feature），這5個(gè)特征圖為主干特征提取網(wǎng)絡(luò)的輸出。

1.3 損失函數(shù)

損失函數(shù)（loss function）在深度學(xué)習(xí)中的作用是衡量模型預(yù)測結(jié)果與真實(shí)標(biāo)簽之間的差異程度，通過最小化損失函數(shù)來調(diào)整模型的參數(shù)使其能夠更準(zhǔn)確地預(yù)測輸出結(jié)果。損失函數(shù)的作用是將深度學(xué)習(xí)任務(wù)中的問題轉(zhuǎn)化為一個(gè)數(shù)學(xué)優(yōu)化問題，使得模型的優(yōu)化過程可以通過求解損失函數(shù)的最小值來實(shí)現(xiàn)。語義分割任務(wù)的常用損失函數(shù)包括交叉熵?fù)p失函數(shù)、Dice損失函數(shù)、Jaccard損失函數(shù)和focal損失函數(shù)等，常常根據(jù)具體任務(wù)和數(shù)據(jù)集的特點(diǎn)來選擇使用的損失函數(shù)。用于自密實(shí)混凝土骨料分割的數(shù)據(jù)集表現(xiàn)出樣本不平衡，圖像中骨料只占其中一部分像素，砂漿和拍攝背景占據(jù)了大部分像素。不平衡的訓(xùn)練樣本會導(dǎo)致訓(xùn)練模型專注于具有大量樣本的類，低估具有少量樣本的類，并最終影響測試集上的泛化性能[6]。為了解決網(wǎng)絡(luò)訓(xùn)練期間發(fā)生的樣本不平衡問題，將Dice損失函數(shù)和focal損失函數(shù)結(jié)合起來指導(dǎo)神經(jīng)網(wǎng)絡(luò)訓(xùn)練。Dice損失函數(shù)用于計(jì)算2個(gè)樣本之間的相似性，通過學(xué)習(xí)類分布來緩解不平衡的像素問題。focal損失函數(shù)側(cè)重于困難樣本，這迫使模型更好地學(xué)習(xí)分類不佳的像素。組合損失函數(shù)將難以分類的類和像素都考慮在內(nèi)，使其在訓(xùn)練過程中更加穩(wěn)定。

[αt]是不平衡系數(shù)，可通過設(shè)置[αt]取值實(shí)現(xiàn)控制易分類和難分類樣本對損失的貢獻(xiàn)；[pt]是模型的估計(jì)概率；[lnpt]為標(biāo)準(zhǔn)交叉熵?fù)p失函數(shù)；γ是可調(diào)聚焦參數(shù)，可通過設(shè)置γ取值實(shí)現(xiàn)控制正負(fù)樣本對損失的貢獻(xiàn)；[α]是一個(gè)可調(diào)參數(shù)，用于控制易于分類的樣本在損失計(jì)算中的權(quán)重，[α]的取值范圍為[0，1]；y是標(biāo)簽值；[p]為模型對于樣本屬于真實(shí)類別的預(yù)測概率。

1.4 數(shù)據(jù)集

為了評估所提出的自密實(shí)混凝土骨料分割算法的性能，本文通過縱向切割混凝土圓柱體，可以獲得混凝土截面骨料分布的高分辨率圖像，使用Labelme標(biāo)注工具對圖像中的骨料進(jìn)行像素級的標(biāo)識，每個(gè)像素對應(yīng)于骨料或背景類別。圖4為本文數(shù)據(jù)集樣本，標(biāo)簽圖為PNG格式，骨料被標(biāo)注為1，背景被標(biāo)注為0。標(biāo)注后數(shù)據(jù)集在GitHub上進(jìn)行了開源共享（https：//github.com/fanta12138）。同時(shí)加入了Coenen等提供的數(shù)據(jù)集[23]。由于計(jì)算機(jī)硬件的限制，不能將完整圖片輸入模型進(jìn)行訓(xùn)練，因此，制作數(shù)據(jù)集時(shí)截面圖像被裁剪為分辨率是512×512的圖像，共獲得了2 072張圖像。數(shù)據(jù)集分為訓(xùn)練集（包含1 491張圖像）、驗(yàn)證集（包含166 張圖像）和測試集（包含415張圖像）。在數(shù)據(jù)集帶標(biāo)簽的像素中，骨料類別的像素占比25.4%，背景類別占比74.6%。因此，類別分布是不均衡的。

2 模型訓(xùn)練

本文使用 Chollet[17]深度學(xué)習(xí)框架。實(shí)驗(yàn)是在Ubuntu系統(tǒng)工作站上進(jìn)行，該工作站配置了Intel Core i7-11700 CPU，工作頻率為2.50 GHz，32 GB DDR4內(nèi)存和NVIDIA RTX2080Ti GPU。遷移學(xué)習(xí)通常用于計(jì)算機(jī)視覺任務(wù)，將信息從經(jīng)過訓(xùn)練的網(wǎng)絡(luò)傳輸?shù)叫戮W(wǎng)絡(luò)，以解決類似的問題并為模型提供更好的初始狀態(tài)。從頭開始訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)時(shí)，將對整個(gè)模型的權(quán)重進(jìn)行隨機(jī)初始化，沒有經(jīng)過大型數(shù)據(jù)集的預(yù)訓(xùn)練，神經(jīng)網(wǎng)絡(luò)不容易收斂，而且所需計(jì)算資源太大。雖然本文提出的模型對原始ResNet50作了一定的改動，但仍使用原始ResNet50在ImageNet[18]大型數(shù)據(jù)集上預(yù)訓(xùn)練的權(quán)重作為初始權(quán)重。

模型訓(xùn)練時(shí)利用 Adam優(yōu)化器更新模型參數(shù)。本文采用了余弦退火學(xué)習(xí)率下降方法調(diào)整學(xué)習(xí)率，與常規(guī)的學(xué)習(xí)率衰減方法相比，余弦退火學(xué)習(xí)率下降方法能夠更好地避免訓(xùn)練過程中的震蕩和過擬合問題。其中初始學(xué)習(xí)率為1×10?4。通過使用余弦退火學(xué)習(xí)率下降方法，初始學(xué)習(xí)率被設(shè)置為一個(gè)比較大的值，這使得模型在訓(xùn)練初期可以快速地找到一個(gè)相對較好的局部最優(yōu)解。隨著訓(xùn)練的進(jìn)行，學(xué)習(xí)率會不斷地降低，使得模型可以緩慢地調(diào)整參數(shù)并最終收斂到全局最優(yōu)解。該網(wǎng)絡(luò)經(jīng)過100次迭代訓(xùn)練，每一輪中單次傳給網(wǎng)絡(luò)的圖像數(shù)量設(shè)置為4張。為方便訓(xùn)練，在前50次迭代訓(xùn)練時(shí)凍結(jié)主干網(wǎng)絡(luò)權(quán)重。在訓(xùn)練和驗(yàn)證過程中，參考模型在訓(xùn)練集和驗(yàn)證集上的損失、交并比作為模型訓(xùn)練狀態(tài)的監(jiān)控指標(biāo)，并根據(jù)曲線的變化判斷模型是否收斂。如圖5所示，隨著訓(xùn)練迭代次數(shù)的增加，訓(xùn)練和驗(yàn)證過程中的交并比逐漸增加。在前50次訓(xùn)練結(jié)束后，主干網(wǎng)絡(luò)權(quán)重解凍，訓(xùn)練和驗(yàn)證損失曲線出現(xiàn)波動，隨著模型繼續(xù)訓(xùn)練優(yōu)化，最終收斂。

3 實(shí)驗(yàn)驗(yàn)證

3.1 骨料分割評估指標(biāo)

根據(jù)幾個(gè)常用于評價(jià)語義分割模型的指標(biāo)，定量評價(jià)本文模型的性能。通過與標(biāo)簽的比較，評估了自密實(shí)混凝土骨料分割的結(jié)果。本文選擇了通常用于評估模型的4個(gè)指標(biāo)：精度、召回率、F1分?jǐn)?shù)和交并比。將骨料像素視為正樣本，將背景像素視為負(fù)樣本。精度是指分類為骨料的所有像素中正確骨料像素的百分比；召回率是指正確分類的所有骨料像素的百分比；F1分?jǐn)?shù)是指精度和召回率的調(diào)和平均數(shù)；交并比是指邊界框的真實(shí)值交集和并集的比值，用來預(yù)測分割精度。

3.2 注意力機(jī)制消融實(shí)驗(yàn)

本文利用相同的數(shù)據(jù)集進(jìn)行訓(xùn)練和測試，以驗(yàn)證注意力機(jī)制CBAM塊對骨料分割模型性能的影響。如表1所示，由于增加了CBAM塊，網(wǎng)絡(luò)可以使用全局信息有選擇地增強(qiáng)包含有用信息的特征，并抑制無用的特征以提高模型性能。與沒有CBAM塊的神經(jīng)網(wǎng)絡(luò)相比，精度、召回率、F1分?jǐn)?shù)和交并比值分別提高了0.76%、1.90%、1.34%和2.59%。

3.3 損失函數(shù)消融實(shí)驗(yàn)

骨料分割數(shù)據(jù)集存在樣本不平衡，損失函數(shù)對模型性能有重大影響。本文訓(xùn)練了3個(gè)使用不同損失函數(shù)的網(wǎng)絡(luò)，其他參數(shù)保持相同，以驗(yàn)證所提出的組合損失函數(shù)的效果。從表2中可以看出，提出的組合損失函數(shù)在精度、召回率、F1分?jǐn)?shù)和交并比方面的效果均好于其他2個(gè)損失函數(shù)。

3.4 模型對比

使用測試集來進(jìn)一步比較本文模型和其他3種語義分割模型及傳統(tǒng)閾值方法的性能。如表3所示，本文模型計(jì)算結(jié)果在4個(gè)指標(biāo)中都實(shí)現(xiàn)了最優(yōu)性能。此外，可以明顯看出，與傳統(tǒng)Otsu閾值方法相比，本文模型在精度、召回率、F1分?jǐn)?shù)和交并比方面的表現(xiàn)均優(yōu)于Otsu閾值方法，分別提升了37.77%、11.92%、24.86%和52.76%。

圖6為不同分割方法結(jié)果對比圖。由圖6可看出，本文模型可以對自密實(shí)混凝土骨料和砂漿進(jìn)行精確分割，特別是對小目標(biāo)骨料、輪廓和邊緣信息表現(xiàn)更高的準(zhǔn)確性（紅圈標(biāo)識所示），骨料的詳細(xì)分布信息可以很容易獲取。

表4為硬化自密實(shí)混凝土試樣視覺穩(wěn)定性指數(shù)評級標(biāo)準(zhǔn)（HVSI）[1]，將圖像在高度方向上分割為4層，對分割結(jié)果進(jìn)行后處理，可準(zhǔn)確地得到圖像中骨料的分布。圖7為典型的自密實(shí)混凝土橫截面圖像和分層骨料分布。經(jīng)過本文算法預(yù)處理后，將橫截面切割成尺寸相等的4層，骨料像素被標(biāo)記為1，砂漿像素被標(biāo)記為0，經(jīng)算法統(tǒng)計(jì)確定每層的骨料/砂漿面積比，即圖7中的白/黑面積比。使用本文方法可以高效、客觀地評價(jià)自密實(shí)混凝土的穩(wěn)定性。

4 結(jié)論

本研究基于深度學(xué)習(xí)和圖像處理技術(shù)提出了一種混凝土骨料語義分割模型，可以快速、高效地提取出圖像中的骨料分布密度等相關(guān)參數(shù)。本文方法使用語義分割主流的編碼器-解碼器結(jié)構(gòu)、具有跳躍連接的U-net模型對自密實(shí)混凝土截面圖像的輸出特征圖進(jìn)行多尺度特征提取和融合，提高了模型對骨料邊緣信息的提取能力。引入CBAM注意力機(jī)制模塊顯著提高了編碼器的特征提取能力，綜合了Dice和focal 2種損失函數(shù)，減少正負(fù)樣本不均衡的影響。通過與DeepLab V3+、HRnet和PSPnet 3種高性能分割方法在本文數(shù)據(jù)集上進(jìn)行比較，驗(yàn)證了本文方法的優(yōu)越性。自密實(shí)混凝土的圖像可以通過本文方法進(jìn)行自動化處理，避免了人工處理的主觀性和不穩(wěn)定性，提高了評價(jià)的準(zhǔn)確性和可靠性。

參考文獻(xiàn)

[1] ASSAAD J J. Correlating thixotropy of self-consolidating concrete to stability，formwork pressure，and multilayer casting[J]. Journal of Materials in Civil Engineering，2016，28（10）：1-10.

[2] 楊子晴，楊健，熊吳越. 基于改進(jìn)分水嶺算法的堆積態(tài)再生混合粗骨料圖像分析[J]. 硅酸鹽學(xué)報(bào)，2021，49（8）：1691-1698.

[3] 范九倫，趙鳳. 灰度圖像的二維Otsu曲線閾值分割法[J]. 電子學(xué)報(bào)，2007，35（4）：751-755.

[4] 高廣運(yùn)，楊成斌，高盟，等. 持力層對大直徑擴(kuò)底灌注樁豎向承載性狀的影響[J]. 巖土工程學(xué)報(bào)，2012，34（7）：1184-1191.

[5] 李濤，王子豪，王庸道，等. 基于深度殘差網(wǎng)絡(luò)的油紙絕緣老化狀態(tài)識別策略研究[J].廣西科技大學(xué)學(xué)報(bào)，2022，33（1）：39-45.

[6] WANG W J，SU C，ZHANG H. Automatic segmentation of concrete aggregate using convolutional neural network[J]. Automation in Construction，2022，134：104106.

[7] LIN T Y，DOLL?R P，GIRSHICK R，et al. Feature pyramid networks for object detection[C]// Proceedings of 30th IEEE Conference on Computer Vision and Pattern Recognition，2017，106：936-944.

[8] 龍雪，李政林，王智文，等. 基于改進(jìn)U-Net網(wǎng)絡(luò)的肺部CT圖像結(jié)節(jié)分割方法[J].廣西科技大學(xué)學(xué)報(bào)，2022，33（1）：63-70，77.

[9] 文澤奇，林川，喬亞坤. 輪廓檢測深度學(xué)習(xí)模型中解碼網(wǎng)絡(luò)融合方法[J].廣西科技大學(xué)學(xué)報(bào)，2021，32（4）：43-49，57.

[10] CHEN L C，ZHU Y K，PAPANDREOU G，et al. Encoder-decoder with atrous separable convolution for semantic image segmentation[C]//15th European Conference on Computer Vision，2018，11211：833-851.

[11] SUN K，XIAO B，LIU D，et al. Deep high-resolution representation learning for human pose estimation[C]// Proceedings of the 32nd IEEE Conference on Computer Vision and Pattern Recognition，2019，2019：5686-5696.

[12] WANG W J，SU C. Semi-supervised semantic segmentation network for surface crack detection[J]. Automation in Construction，2021，128：103786.

[13] 王衢，林川，陳永亮.? 基于ResNet網(wǎng)絡(luò)與離散變分自編碼器的精細(xì)輪廓檢測方法[J].廣西科技大學(xué)學(xué)報(bào)，2022，33（3）：8-13，28.

[14] YANG M Y，KUMAAR S，LYU Y，et al. Real-time semantic segmentation with context aggregation network[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2021，178：124-134.

[15] 羅紹猛，文家燕，陳彬. 基于改進(jìn)GoogLeNet的瘢痕色澤和血管分布評估算法[J]. 廣西科技大學(xué)學(xué)報(bào)，2022，33（3）：36-42，52.

[16] MILLETARI F，NAVAB N，AHMADI S A. V-Net：fully convolutional neural networks for volumetric medical image segmentation[C]//Proceedings of the 4th? IEEE International Conference on 3D Vision，2016，2016：565-571.

[17] CHOLLET F.? Keras：the python deep learning library[EB/OL]. （2017）[2022-10-19]. https：//keras.io/.

[18] DENG J，DONG W，SOCHER R，et al. ImageNet：a large-scale hierarchical image database[C]// IEEE Conference on Computer Vision and Pattern Recognition，Princeton，USA：IEEE，2009.

[19] RONNEBERGER O，F(xiàn)ISCHER P，BROX T. U-net：convolutional networks for biomedical image segmentation [C]//18th International Conference on Medical Image Computing and Computer-Assisted Intervention，2015，9351：234-241.

[20] HE K，ZHANG X Y，REN S，et al. Deep residual learning for image recognition[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recog-

nition，2016，2016：770-778.

[21] WOO S，PARK J，LEE J Y，et al. CBAM：convolutional block attention module[C]//Proceedings of the 15th European Conference on Computer Vision，2018，11211 LNCS：3-19.

[22] LIN T Y，GOYAL P，GIRSHICK R，et al. Focal loss for dense object detection[C]// Proceedings of the IEEE International Conference on Computer Vision，2017，2017：2999-3007.

[23] COENEN M，SCHACK T，BEYER D，et al. Semi-supervised segmentation of concrete aggregate using consensus regularisation and prior guidance [C]// ISPRS Annals of the Photogrammetry，Remote Sensing and Spatial Information Sciences，2021，5（2）：83-91.

Improved U-net semantic segmentation algorithm for

self-compacting concrete aggregate

CUI Lisan， DENG Peng， ZHOU Yuanwu*

（School of Civil Engineering and Architecture， Guangxi University of Science and Technology，

Liuzhou 545006， China）

Abstract： To improve the performance of semantic segmentation algorithm for self-compacting concrete aggregate， a computer vision method integrating attention mechanism and deep learning was developed. This method adopted the mainstream encoder （ResNet50）-decoder （U-net） structure， and established a semantic segmentation model of self-compacting concrete aggregate based on attention mechanism and deep learning. It could segment aggregate in concrete image at pixel level. The model was evaluated by four indicators：precision， recall， F1 score and IoU. The experimental results show that under the same dataset， the evaluation performance of this model is better than those of DeepLab V3+， PSPnet and HRnet， which have excellent performance at present. This provides an efficient tool for evaluating the stability or static segregation resistance of self-compacting concrete.

Key words： deep learning; attention mechanism; semantic segmentation; self-compacting concrete; stability evaluation

（責(zé)任編輯：羅小芬）

收稿日期：2022-11-26

基金項(xiàng)目：廣西高校中青年教師科研基礎(chǔ)能力提升項(xiàng)目（2022KY0348）；國家自然科學(xué)基金項(xiàng)目（51908141）；廣西科技大學(xué)博士掛職駐柳企業(yè)工作項(xiàng)目（BSGZ2127）；廣西科技大學(xué)博士基金項(xiàng)目（校科博14z13）；廣西高等教育本科教學(xué)改革工程項(xiàng)目（2020JGZ129）；2022年度校級本科教育教學(xué)改革項(xiàng)目（2022XJJG51）資助

第一作者：崔李三，博士，工程師，研究方向：建筑儲能與節(jié)能材料

*通信作者：周圓兀，博士，副教授，碩士生導(dǎo)師，研究方向：遺傳算法、邊坡穩(wěn)定性分析，E-mail：ywzhou@gxust.edu.cn