同济大学学报(自然科学版)

作者：柳本民，李诚信，林润达，王鹤楠，邓志成，廖晨非，李思维

单位：1.同济大学 交通学院， 上海 201804;2.上海发电设备成套设计研究院有限责任公司， 上海 200240;3.香港科技大学(广州)， 广东 广州 511442;4.国核自仪系统工程有限公司， 上海 201100

关键词：设施表观健康监测,桥梁缺陷检测,顺序层状耦合信息框架,上下文自动编码器算法,安全评价,模糊综合评价

基金：国家重点研发计划（2017YFC0803902）；云南公路资产管理项目（HAMP-CS-05）；中央高校基本科研业务费专项资金（22120230078）

提出了一种基于CAE_ViT网络模型和顺序层状耦合信息框架（sequential hierarchical coupled information framework， SHCIF）的多粒度多缺陷图像分类识别方法，并结合模糊综合评价（FCE）方法，以桥梁设施为例，对其表面缺陷进行细致的分类及安全评价。首先，研究提出了SHCIF及对应3个层次粒度的识别模型，并构建和增强了对应不同粒度的数据集。SHCIF框架和跨粒度分类决策旨在通过利用桥梁组件和缺陷类型这两个粒度的信息和准确性，提升对缺陷严重程度的识别。其次，使用迁移学习对CAE_ViT预训练模型进行微调，以满足桥梁缺陷检测的具体需求，并通过跨粒度分类决策进一步提升分类的准确性。最后，基于层次分析法与熵权法（AHP-EWM）的权重体系，通过模糊综合评价，综合考虑桥梁部位、桥梁组件、缺陷类型及其严重程度，实现了基于表观健康状态对桥梁安全状态等级的定量评价。实验结果显示，在3个层次粒度的识别模型中的宏平均F1-Score分数分别达到94.1%、81.6%和75.3%，而跨粒度分类决策的准确率为82%。最终通过一个桥梁的安全评价案例证明了方法的有效性、系统性和可拓展性。

来源：2025年第12期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2025年第12期