Les réseaux de neurones profonds et les technologies de vision par ordinateur jouent un rôle de plus en plus important dans la surveillance de la santé des structures ces dernières années. En utilisant les données d'images des dommages aux haubans de pont collectées par des drones, une méthode de reconnaissance des dommages de la gaine PE des haubans basée sur la technologie d'apprentissage profond a été étudiée. Afin de réaliser une reconnaissance intelligente et rapide des dommages locaux à la surface des haubans de pont à grande portée sur des dispositifs à faible capacité de calcul, et de résoudre les problèmes liés à l'efficacité de calcul relativement faible et à la grande taille des paramètres des modèles traditionnels de réseaux neuronaux convolutionnels profonds, un modèle de réseau de neurones convolutionnel recommandé par région et allégé a été proposé. Les bases théoriques du réseau de recommandation régionale et de sa méthode d'amélioration allégée ont été introduites, la nécessité de traiter un modèle allégé a été analysée, ce qui permet de réduire les besoins en performance des équipements pour la formation et la prédiction du modèle tout en garantissant la précision de la reconnaissance, visant ainsi à économiser les ressources informatiques et le temps ; en utilisant 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 analysés statistiquement ont confirmé la supériorité du modèle de réseau neuronal allégé. Les résultats montrent que le réseau allégé peut améliorer considérablement la complexité du modèle et la quantité de calcul tout en sacrifiant peu la précision de reconnaissance, élargissant ainsi efficacement la praticabilité des réseaux neuronaux dans les applications d'ingénierie.

haubans de pont; reconnaissance intelligente des dommages; réseau neuronal allégé; vision par ordinateur; apprentissage profond