摘要
本文提出了一种新型端到端深度超分辨率裂缝网络（SrcNet），旨在提升基于计算机视觉的自动化裂缝检测能力。在利用无人机器人对大规模土木基础设施进行裂缝检测时，所获取的数字图像常因运动模糊及像素分辨率不足，导致裂缝检测性能下降。所提出的SrcNet通过深度学习技术显著提升原始数字图像的像素分辨率，从而大幅增强裂缝可检测性。SrcNet主要包含两个阶段：第一阶段——基于深度学习的超分辨率（SR）图像生成；第二阶段——基于深度学习的自动化裂缝检测。当从目标桥梁表面获取原始数字图像后，SrcNet的第一阶段生成相应的超分辨率图像，随后第二阶段在生成的高分辨率图像上自动检测裂缝，从而显著提升裂缝检测效果。为验证该方法的有效性，研究采用韩国在役混凝土桥梁上通过攀爬机器人和无人机获取的数字图像进行实验。验证结果表明，与直接使用原始数字图像进行裂缝检测相比，所提出的SrcNet在裂缝检测性能上提升了24%。