In this study, the bridge concrete structure is taken as the research object, and the real image is used for crack identification. In structural engineering, surface cracks are the main indexes of durability and service performance of structures. Artificial visual inspection is often considered ineffective in terms of cost, safety, evaluation accuracy, and reliability. In this article, a simple, high‐classification framework based on ResNeXt with postprocessing (ResNeXt+PP) model is provided to effectively identify concrete cracks. During the training phase of the method, image binarization approach is used to extract the candidate crack regions. It is difficult to automatic identify cracks from images containing actual cracks and noises, especially, shadows, stains, masses, and holesoften occur in concrete surfaces. Thereafter, classification models are constructed based on ResNeXt+PP module. Based on the new concrete surface images including cracks and noncracks, the obtained methods for crack identification are compared quantitatively and qualitatively. Besides, the five complete raw images are used to study the robustness and practicability of the method. The binary transformation process based on a binarization method of adaptive crack width is adopted to identify crack pixels in subimages. Results show that the trained improved ResNeXt+PP can automatically detect cracks and noncracks in the raw image. The obtained results that the method is superior to multiple methods and the application prospect of autonomous concrete structure driver for bridge detection robot are presented.

中文翻译：

---

使用带有后处理功能的ResNeXt从混凝土表面自动识别桥梁裂缝

本研究以桥梁混凝土结构为研究对象，以真实图像为基础进行裂缝识别。在结构工程中，表面裂纹是结构耐久性和服务性能的主要指标。就成本，安全性，评估准确性和可靠性而言，人工目视检查通常被认为是无效的。本文提供了一个基于ResNeXt和后期处理（ResNeXt + PP）模型的简单，高分类框架，可以有效地识别混凝土裂缝。在该方法的训练阶段，图像二值化方法用于提取候选裂纹区域。从包含实际裂缝和噪声的图像中自动识别裂缝非常困难，尤其是在混凝土表面上会出现阴影，污点，团块和孔软化现象。之后，分类模型是基于ResNeXt + PP模块构建的。基于新的包括裂纹和非裂纹在内的混凝土表面图像，对所得的裂纹识别方法进行了定量和定性的比较。此外，使用五个完整的原始图像来研究该方法的鲁棒性和实用性。采用基于自适应裂缝宽度的二值化方法的二进制变换过程来识别子图像中的裂缝像素。结果表明，经过训练的改进型ResNeXt + PP可以自动检测原始图像中的裂纹和非裂纹。所获得的结果表明该方法优于多种方法，并提出了用于桥梁检测机器人的自主混凝土结构驱动器的应用前景。基于新的包括裂纹和非裂纹在内的混凝土表面图像，对所得的裂纹识别方法进行了定量和定性的比较。此外，使用五个完整的原始图像来研究该方法的鲁棒性和实用性。采用基于自适应裂缝宽度的二值化方法的二进制变换过程来识别子图像中的裂缝像素。结果表明，经过训练的改进型ResNeXt + PP可以自动检测原始图像中的裂纹和非裂纹。所获得的结果表明该方法优于多种方法，并提出了用于桥梁检测机器人的自主混凝土结构驱动器的应用前景。基于新的包括裂纹和非裂纹在内的混凝土表面图像，对所得的裂纹识别方法进行了定量和定性的比较。此外，使用五个完整的原始图像来研究该方法的鲁棒性和实用性。采用基于自适应裂缝宽度的二值化方法的二进制变换过程来识别子图像中的裂缝像素。结果表明，经过训练的改进型ResNeXt + PP可以自动检测原始图像中的裂纹和非裂纹。所获得的结果表明该方法优于多种方法，并提出了用于桥梁检测机器人的自主混凝土结构驱动器的应用前景。这五个完整的原始图像用于研究该方法的鲁棒性和实用性。采用基于自适应裂缝宽度的二值化方法的二进制变换过程来识别子图像中的裂缝像素。结果表明，经过训练的改进型ResNeXt + PP可以自动检测原始图像中的裂纹和非裂纹。所获得的结果表明该方法优于多种方法，并提出了用于桥梁检测机器人的自主混凝土结构驱动器的应用前景。这五个完整的原始图像用于研究该方法的鲁棒性和实用性。采用基于自适应裂缝宽度的二值化方法的二进制变换过程来识别子图像中的裂缝像素。结果表明，训练有素的改进型ResNeXt + PP可以自动检测原始图像中的裂纹和非裂纹。所获得的结果表明该方法优于多种方法，并提出了用于桥梁检测机器人的自主混凝土结构驱动器的应用前景。