Las redes neuronales profundas y las tecnologías de visión por computadora han desempeñado un papel cada vez más importante en el monitoreo de la salud estructural en los últimos años. Utilizando datos de imágenes de daños en las fundas PE de los cables de puente capturados por drones, se estudió un método de reconocimiento de daños en las fundas PE basado en tecnologías de aprendizaje profundo. Para lograr un reconocimiento inteligente y rápido de daños locales en la superficie de cables de puente de gran luz en dispositivos con baja capacidad de cómputo, y resolver el problema de la eficiencia computacional relativamente baja y la gran escala de parámetros del modelo en las redes neuronales convolucionales profundas tradicionales, se propuso un modelo de red neuronal convolucional de recomendación regional ligera. Se presenta la base teórica de la red de recomendación regional y su método de mejora ligera, se analiza la necesidad del modelo ligero, el cual puede reducir los requisitos de rendimiento del dispositivo para el entrenamiento y predicción del modelo garantizando la precisión del reconocimiento, ahorrando recursos computacionales y tiempo; mediante la ampliación de datos y otros métodos se resolvió el problema de la insuficiencia de datos de muestras de daños, se establecieron experimentos comparativos y se analizaron estadísticamente los resultados, verificando la superioridad del modelo de red neuronal ligera. Los resultados muestran que la red ligera puede mejorar sustancialmente la complejidad del modelo y la carga computacional sacrificando una ligera precisión en el reconocimiento, y puede ampliar eficazmente la aplicabilidad de las redes neuronales en aplicaciones de ingeniería.

cables de puente; reconocimiento inteligente de daños; redes neuronales ligeras; visión por computadora; aprendizaje profundo