Les réseaux neuronaux profonds et les technologies de vision par ordinateur jouent un rôle de plus en plus important dans la surveillance de la santé structurelle ces dernières années. En utilisant des données d'images de dommages sur les gaines PE des câbles haubanés de ponts capturées par drones, une méthode de reconnaissance des dommages des gaines PE basée sur l'apprentissage profond a été étudiée. Pour réaliser une identification intelligente et rapide des dommages locaux à la surface des câbles haubanés de ponts à grande portée sur des dispositifs à faible capacité de calcul, et résoudre les problèmes d'efficacité de calcul relativement faible des réseaux neuronaux convolutifs profonds traditionnels et la grande taille des paramètres du modèle, un modèle de réseau neuronal convolutif de recommandation régionale allégé a été proposé. Les bases théoriques du réseau de recommandation régionale et de sa méthode d'amélioration allégée sont présentées, et la nécessité d'un modèle allégé est analysée ; ce modèle peut réduire les exigences des performances des dispositifs pour l'entraînement et la prédiction tout en garantissant la précision de reconnaissance, économisant ainsi les ressources informatiques et le temps ; en employant diverses méthodes telles que l'augmentation des données pour résoudre le problème du manque de données d'échantillons de dommages, des expériences comparatives ont été mises en place, les résultats ont été analysés statistiquement, confirmant la supériorité du modèle de réseau neuronal allégé. Les résultats montrent que le réseau allégé, au prix d'une légère perte de précision de reconnaissance, peut considérablement améliorer la complexité du modèle et la charge de calcul, élargissant efficacement la praticabilité des réseaux neuronaux dans les applications d'ingénierie.

câbles haubanés de pont; reconnaissance intelligente des dommages; réseaux neuronaux allégés; vision par ordinateur; apprentissage profond