发明创新试验2023年2月第50卷第2期doi:10.3969/j.issn.1001-5922.2023.02.031Vol.50No.02，Feb.2023收稿日期:2022-10-11;修回日期:2023-02-08作者简介:邢羽琪(2001-)，女，本科，主要从事数据科学与大数据技术研究;E-mail:20202134050104@ymu．edu．cn。引文格式:邢羽琪．竹纤维改性合成混凝材料表面缺陷检测技术优化［J］．粘接，2023，50(2):129-133．竹纤维改性合成混凝材料表面缺陷检测技术优化邢羽琪(云南民族大学，云南昆明650031)摘要:以黄麻纤维混凝土为研究对象，提出用卷积神经网络识别混凝土材料中的竹纤维，进而提高混凝土材料表面裂缝的准确率。首先，将采集到的黄麻纤维混凝土材料扫描图片进行数据增强，然后搭建DeepLabV3+的竹纤维快速识别网络，并对网络进行训练，最后输入采集的原始图片，对网络模型进行识别测试。结果表明，通过训练后得到的网络对竹纤维混凝土识别的ACC=81．7%，F1=78．3%，证明DeepLabV3+深度学习网络模型对竹纤维混凝土材料具有较高的识别精准度，可用于实际的化工工业和工程缺陷检测中。关键词:纤维混凝土;竹纤维;深度学习;DeepLabV3+;识别准确率中图分类号:TQ353．4+2;TU528．572文献标志码:A文章编号:1001-5922(2023)02-0129-05OptimizationofdetectionmethodonsurfacedefectsofjutefiberconcreteXINGYuqi(YunnanUniversityforNationalities，Kunming650031，China))Abstract:Takingjutefiberconcreteastheresearchobject，itisproposedtouseDeepLabV3+networktoidentifychoppedjutefibersinconcretematerials，soastoimprovetheaccuracyofsurfacecracksinjuteconcretematerials．Firstofall，thecollectednanoCTscanningpicturesofjutefiberconcretematerialareenhanced，andthenarapidi-dentificationnetworkofchoppedjutefiberofDeepLabV3+isbuilt，andthenetworkistrained．Finally，thecollectedoriginalpicturesareinput，andthenetworkmodelisidentifiedandtested．TheresultsshowthatACC=99．3%，F1=80．4%，fortherecognitionofchoppedjutefiberconcretebythenetworkobtainedaftertraining，whichprovesthatDeepLabV3+deeplearningnetworkmodelhashighrecognitionaccuracyforchoppedjutefiberconcretemate-rials，andcanbeusedintheactualchemicalindustryandengineeringdefectdetection．Keywords:fiberconcrete;jutefiber;deeplearning;DeepLabV3+;recognitionaccuracy纤维混凝土是纤维和水泥...
