최근 몇 년간 심층 신경망과 컴퓨터 비전 기술은 구조 건강 모니터링에서 점점 더 중요한 역할을 하고 있습니다. 드론 항공 촬영을 통해 수집한 교량 사장 케이블 손상 이미지 데이터를 활용하여 심층 학습 기술 기반 사장 케이블 PE 커버 손상 인식 방법을 연구했습니다. 낮은 연산 능력 장치에서 대경간 교량 사장 케이블 표면 국부 손상을 지능적이고 빠르게 인식하기 위해, 전통적인 심층 합성곱 신경망의 상대적으로 낮은 연산 효율과 큰 모델 파라미터 규모 문제를 해결하기 위해 경량화 처리된 영역 추천형 합성곱 신경망 모델을 제안했습니다. 영역 추천 네트워크와 경량화 개선 방법의 이론적 기초를 소개하고, 경량화 모델 처리의 필요성을 분석했으며, 인식 정확도를 보장하면서 모델 훈련 및 예측에 필요한 장치 성능 요구를 낮춰 계산 자원과 시간을 절약하는 목적을 달성할 수 있음을 설명했습니다; 데이터 증강 등 여러 수단을 통해 손상 샘플 데이터 부족 문제를 해결하고, 대조 실험을 설정하며, 통계적 분석 결과를 통해 경량화 신경망 모델의 우수성을 검증했습니다. 결과는 경량화 네트워크가 인식 정확도 일부 희생을 전제로 모델 복잡도와 계산량을 크게 개선할 수 있음을 보여주며, 공학적 적용에서 신경망의 실용성을 효과적으로 확장할 수 있음을 나타냅니다.

교량 사장 케이블; 지능형 손상 인식; 경량화 신경망; 컴퓨터 비전; 심층 학습