Redes neurais profundas e tecnologias de visão computacional têm desempenhado um papel cada vez mais importante no monitoramento da saúde estrutural nos últimos anos. Utilizando dados de imagens de danos em cabos de pontes coletados por drones, estudou-se um método de reconhecimento de danos na capa PE dos cabos com base em técnicas de aprendizado profundo. Para realizar um reconhecimento inteligente e rápido de danos locais na superfície de cabos de grande vão em dispositivos com baixa capacidade computacional, e resolver o problema da baixa eficiência computacional relativa e do grande tamanho dos parâmetros de modelos nas redes neurais convolucionais profundas tradicionais, foi proposto um modelo de rede neural convolucional leve e regional recomendada. Foram apresentadas as bases teóricas da rede de recomendação regional e seu método de melhoria leve, analisada a necessidade do modelo leve, que pode reduzir a demanda de desempenho dos dispositivos para o treinamento e predição do modelo garantindo a precisão do reconhecimento, com o objetivo de economizar recursos computacionais e tempo; por meio do aumento de dados e outros métodos, solucionou-se o problema da insuficiência de dados amostrais de danos, foram realizados experimentos comparativos, e a análise estatística dos resultados confirmou a superioridade do modelo leve de rede neural. Os resultados mostram que a rede leve pode melhorar significativamente a complexidade do modelo e o volume computacional com uma pequena perda na precisão de reconhecimento, expandindo efetivamente a aplicabilidade prática das redes neurais em aplicações de engenharia.

cabos de ponte; reconhecimento inteligente de danos; rede neural leve; visão computacional; aprendizado profundo