摘要
为解决现有混凝土桥梁数字图像方法缺陷识别单一、分割精度较低等问题，本文提出了一种基于编解码架构的精细化语义分割模型HDNet。编码器设计方面，采用层级化窗口自注意力机制，通过滑动窗口划分结合跨层残差连接增强梯度传播。引入核化注意力模块强化侵蚀、裂缝等局部缺陷的梯度响应，抑制桥梁背景纹理干扰。解码器设计像素-变形双路径架构体现在像素路径通过逐点特征映射解析裂缝等形态细节，变形路径采用可变形卷积自适应匹配剥落区域的不规则几何轮廓。基于无人机采集的高清桥梁缺陷数据集（涵盖裂缝、侵蚀、露筋、剥落4类缺陷），开展与DeepLabV3+、SegFormer等主流模型的对比实验，随后进行消融实验分析、热力图分析和实桥测试。结果表明：HDNet验证集交并比（mIoU）达71.91%，较次优模型SegFormer提升了7.86%；消融性实验验证了核化注意力（提升召回率mRecall 5.83%）、层次化滑窗注意力（提升mIoU 5.92%）与Dice损失函数协同设计的必要性；热力图分析证实HDNet能够精准捕捉缺陷纹理细节并解耦伴生缺陷的语义边界；实桥测试中，HDNet将缺陷尺寸测量相对误差稳定控制在±5%以内，验证了其在实际应用中的适用性。HDNet通过编解码协同优化与跨分辨率层次化增强机制，有效提升复杂桥梁缺陷的识别精度与鲁棒性，可为桥梁表观病害智能化检测提供高精度技术手段。
Abstract
To address the issues of single-category defect identification and low segmentation accuracy in current digital image-based methods for concrete bridge defect detection, a refined semantic segmentation model named HDNet, which is built upon an encoder-decoder architecture, was introduced. In terms of encoder design, a hierarchical window-based self-attention mechanism was implemented, which combinnes sliding window partitioning and cross-layer residual connections to enhance gradient propagation. A kernelized attention module was incorporated to strengthen gradient responses for local defects, such as erosion and cracks, while simultaneously reducing interference from the background texture of the bridge. A pixel-deformation dual-path architecture was adopted in the decoder, in which the pixel path employs pointwise feature mapping to capture the morphological details of cracks and the deformation path utilizes deformable convolutions to adaptively match the irregular geometric contours of spalling regions. A series of experiments were carried out on a high-resolution dataset of bridge defects including four categories of defects: cracks, erosion, exposed rebar, and spalling, which was captured by unmanned aerial vehicle(UAV). Comparisons with those dominant models such as DeepLabV3+ and SegFormer were performed, and then ablation study analysis, heatmap analysis and real-bridge validation were carried out. The results indicate that HDNet attains a mean Intersection over Union (mIoU) of 71.91% on the validation set, surpassing the suboptimal model SegFormer by 7.86%. Ablation studies validate the necessity of kernelized attention (which improves mRecall by 5.83%), hierarchical sliding-window attention (which boosts mIoU by 5.92%), and the synergistic design with the Dice loss function. Heatmap analysis demonstrates HDNet’s ability to accurately capture defect texture details and disentangle the semantic boundaries of co-occurring defects. In real-bridge testing, HDNet maintains the relative error of defect size measurement within ±5%, which confirms its practical applicability. By integrating encoder-decoder co-optimization and cross-resolution hierarchical enhancement mechanisms, HDNet substantially enhances the recognition accuracy and robustness for complex bridge defects, thereby offering a high-precision technology for the intelligent detection of bridge surface deterioration.
桥梁结构的定期检查是确保其安全运营的必要措施[1]。在传统检测体系中，依托桥检车平台的人工目视检测占据主导地位，然而该方法存在检测效率低下、经济成本高昂、主观性较强等固有缺陷，已难以适应现代路网桥梁规模化检测需求[2-3]。随着深度学习与计算机视觉技术的深度融合，混凝土桥梁表观缺陷智能检测技术逐渐得到应用并取得突破性进展[4-5]。
Liu等[6]提出一种基于掩模区域的卷积神经网络（R-CNN），实现了裂缝像素级分割（mIoU 70.1%），但模型对剥落等非连续缺陷的适用性还有待验证。Wang等[7]通过双特征编码器耦合对比学习约束，构建无监督缺陷信号重构模型，显著提升了分割精度。余加勇等[8]集成YOLOv5与U-Net3+算法，经参数优化实现裂缝快速定位与像素级分割。杨炜等[9]提出了一种基于改进YOLOv8的轻量化算法YOLOv8-ALTE，通过在网络骨干Backbone特征提取模块的浅层网络中加入三元注意力机制，以此来提高模型对桥梁裂缝病害的识别及分割准确度。骆剑彬等[10]对Faster R-CNN框架下VGG16网络模型进行改进，对水下桩墩孔洞和剥落等病害识别结果的总体准确率达88.3%。Zhang等[11]研究了一种基于U-NET的像素级裂缝检测方法，分别实现了91.45%和88.67%的准确率和召回率，但其复杂背景下的性能稳定性不足。褚鸿鹄等[12]采用级联CA-TransUNet对无人机拍摄的高分辨率裂缝图像实现了精细化分割。
尽管上述研究在单一缺陷检测中均取得了较好成效，但在多缺陷协同分割领域仍面临三重技术难题[13-15]：1）裂缝（毫米级线状纹理）与剥落（厘米级块状特征）等缺陷在形态尺度与纹理特性上存在显著异质性，导致单任务模型难以实现跨类别特征特异性捕捉；2）无人机航拍图像因飞行高度波动产生的尺度多样性，使得传统金字塔池化方法在跨尺度特征融合时易丢失细节信息。3）《混凝土结构设计规范》GB 50010—2010中指出，裂缝渗透引发的氯离子扩散会加速钢筋锈蚀与保护层剥落，而露筋暴露将进一步加剧承载力衰减，这种多缺陷耦合作用机制亟需精细化分割技术支撑定量化评估。裂缝、侵蚀、露筋、剥落等表观缺陷是混凝土结构最直观的性能退化标志，因其会极大影响桥梁服役的安全性与耐久性，始终是桥梁定期检查中的重点关注对象[1]。因此，发展多缺陷精细化分割技术对桥梁智能检测具有十分重要的理论意义和工程价值。
本文提出了基于层次化编码-解码架构的桥梁多缺陷分割模型HDNet（hierarchical dual-decoder network）。重点研究如何通过优化编解码架构实现核化注意力、层次化滑窗注意力、交叉注意力与形状损失函数的有机统一。研究将从编码器架构优化、注意力机制强化、解码路径创新3个维度展开技术创新，重点解决传统方法在复杂缺陷分割中存在的特征捕捉特异性不足、尺度适应性有限及语义边界混杂等关键问题，以期为复杂桥梁缺陷的识别分析提供精细化分割技术支撑。
1 基于编解码架构的缺陷精细分割方法
1.1 编码器设计
编码器部分采用特征提取网络，模型前5层使用3×3卷积组和跨层残差连接，在卷积残差块后加入最大池化层，进行采样操作，有效获取图像的初级特征；随后通过4个层级化阶段（Stage）逐步减小输入特征图的分辨率，并逐层扩大感受野。在各Stage中，通过线性嵌入层将图像分割成小块并转换为嵌入向量，通过层次化窗口进行相对位置编码，通过自注意力模块输出4张多尺度特征图用于后续解码器的运算处理，如图1（a）所示。为了使模型能够更精确地区分和识别不同缺陷与背景的纹理特征，本文通过核化注意力动态地调整模型的注意力焦点，首先，使用一个由初始内核Ki-1预测的掩码图像Mi-1来拼装每个像素组的特征FK，由于每个组内部的内容有所区别，这些特征FK将作为模型自适应更新其对应内核Ki-1的依据。随后，这些内核通过相互对比来对图像的上下文语义信息进行全局综合建模得到新的内核。最后，通过使用这些聚焦于组信息的内核对特征图进行卷积，获得更准确的掩模预测，如图1所示，其中C是channel通道，D是dimension维度，N是一组已学习卷积核的数量，K是卷积核数，H、W分别为图片的高度和宽度。
图1编码网络结构图与核动态更新结构
Fig.1Structure diagram of the encoding network and dynamic kernel update structure
1.2 解码器设计
本文采用像素解码器和变换解码器的并行结构，像素解码器利用分辨率由低到高的特征金字塔，将不同尺度特征分别馈送到对应的变换解码层，通过特征金字塔处理多尺度特征图[16]，并通过添加正弦位置嵌入和可学习尺度嵌入来捕捉纹理、边缘和局部形状等细节信息，以实现精确的像素级预测，最终输出4张不同分辨率的特征图。如图2（a）所示，前3张图片（P1~3）作为掩膜特征图输入变形编码器进行进一步的空间变换学习，第4张图片（P4）经过归一化和全卷积层处理之后直接参与损失计算，该路径通过简化处理流程保持高频细节完整性[17]。
图2解码网络结构与变形解码器内部基本单元
Fig.2Structure of the decoding network and basic internal unit of the deformable decoder
变形解码器在Transformer编码器基础上进行优化，基于交叉自注意力机制，由多个解码层组成，解码层负责接收像素解码器的不同尺度特征，每个解码器层包含多头注意力机制和前馈神经网络，如图2（b）所示，负责利用全局信息对图像进行整体的语义理解，有助于处理前背景不易分辨的情况，并提高对尺度多样性的适应能力。
自注意力（self-attention）和交叉注意力（cross-attention）是变形解码网络中用于捕获数据长距离依赖的关键机制。自注意力机制使模型在序列内部直接计算注意力并聚焦于关键信息[18]，对于输入序列X，其包含n个像素，每个元素维度为d，通过3个线性变换分别得到查询预测（query，Q）、键（key，K）和值（value，V）矩阵。
(1)
式中WQ，K，V是可学习的参数矩阵。
而后，计算每个元素对于其他所有元素的注意力权重
(2)
式中：A为注意力权重Attention；QKT为序列元素间的相似度；为缩放因子，以稳定梯度；softmax归一化函数是将相似度分数转换为概率分布，用于对各位置分配注意力权重。
交叉注意力机制则用于处理两个独立输入序列，其中Q 源自像素解码器输出，而K和V序列源自编码器输出，同样通过对V加权求和，实现特征信息的筛选和注意力聚焦。
1.3 前向传播与损失函数
本文提出的框架基于查询-预测路径的前向传播机制，该框架将图像分割任务解耦为并行的形状查询与类别预测两个核心过程，通过独立输出缺陷掩码和类别标签，以灵活处理复杂场景和重叠缺陷的问题。模型分割形状由查询过程输出，输入维度为[B，Q，H，W]，B代表本批次输入的图像数量，Q代表查询预测（query，Q），对应图像中独立缺陷的实例数，每个Q代表一个缺陷实例的形状，因此查询形状的输出为一张仅包含缺陷形状的掩码图片；缺陷类别则由预测过程输出，输出格式为[B，Q，C]，C代表不同的类别号，其中0为背景，裂缝、露筋、侵蚀、剥落分别为缺陷类别1~4，其查询形状与类别相互对应，如图3所示。
图3模型的查询-预测框架
Fig.3Query-prediction framework of the model
形状损失函数用于计算每一对匹配的预测掩码和真实掩码形状之间的差异，本文基于Dice系数（Dice coefficient）选用Dice Loss作为形状损失的度量以强化对少数类别的关注：
(3)
式中：pi为第i个像素的预测概率；gi为第i个像素的真实标签，通过直接计算预测掩码和真实掩码之间的像素级别重叠，作为衡量二者相似度的指标，即鼓励模型生成最大化Dice系数的预测。
为了增加少数类别的重要性，本文在标准交叉熵损失的基础上引入对数归一化倍率作为每个类别的权重系数，计算公式为
(4)
式中：C为类别总数，本文中C=5；yi为一个指示向量，若样本属于C，则yi=1，否则yi=0；wi为类别C的权重，即对数归一化倍率。
本文采用编码-解码网络实现桥梁表观缺陷的像素级分割，网络整体结构图如图4所示，其中ε为各类掩码的编码。编码器通过多阶段卷积与注意力机制提取多尺度缺陷特征，解码器利用并行路径重建缺陷形态，结合形状-语义联合优化损失函数提升分割精度。
图4网络整体结构
Fig.4Overall structure diagram of the network
2 试验数据采集
2.1 数据采集设备及流程
本文所使用的图像数据来源于由无人机进行采集的桥梁结构高清图像。所采用的无人机型号为大疆M350 RTK。无人机最大信号有效距离NCC/FCC为15 km，最大飞行速度为23 m/s，最大载重为2.7 kg。无人机搭载具有4 000万像素3轴稳定系统的H30T多传感器相机，其中影像传感器为1/1.8英寸的CMOS，实际焦距为7.1~172 mm，确保航拍图像分辨率可达0.1 mm/pixel。
数据采集覆盖江苏、陕西等地多座混凝土桥梁（桥梁缺陷图像数据采集如图5所示）。采集作业遵循以下规范：无人机飞行高度动态调整于20~50 m，航速控制在5 m/s以内，航向重叠率80%、旁向重叠率70%，通过带状航路规划规避桥塔、拉索等遮挡物。采集过程中实时监测图像质量，剔除模糊或畸变帧，最终获取3 023张高清缺陷图像，地面分辨率0.1~0.2 m/pixel，满足规范DB34/T310022—2024《长大桥梁无人机巡检作业技术规程》。为确保拍摄后从二维图像中准确提取缺陷尺寸信息，本文采用以下技术策略：基于多视角图像的空间连续性，利用运动恢复结构生成稀疏3D点云，并结合无人机惯性测量单元和激光雷达获取的高度、距离与姿态参数计算全局尺度基准。针对目标缺陷区域，通过至少3个不同视角的图像采集，构建局部稠密点云，运用三角测量原理解算缺陷实际尺寸，包括长度、宽度及面积。严格遵循跨视角尺寸校验机制，当同一缺陷在不同视角下的尺寸差异超过5%时，立即进行图像重拍。
2.2 数据集处理
为确保数据集的质量，所有图像在收集后均经过严格的筛选和预处理步骤。原始图像经对比度增强与几何校正后，使用EISeg软件进行像素级标注。标注标准严格区分4类缺陷：裂缝定义为宽度≥0.1 mm的连续线状损伤；剥落为面积≥1 cm2的混凝土剥蚀区域；露筋需暴露长度≥3 cm且钢筋轮廓清晰；侵蚀表现为混凝土表面粉化或蜂窝状孔洞。
标注结果以MS COCO格式存储，生成每张图像的独立JSON文件及全局标注索引文件。数据集按8∶1∶1比例划分为训练集 （2 418张）、验证集（302张）与测试集（303张），4类缺陷标注示例如图6所示。
图5桥梁缺陷图像数据采集
Fig.5Bridge defect image data acquisition
图64种缺陷标注处理示例图
Fig.6Example images of annotation processing for four types of defects
3 试验结果分析
3.1 语义分割任务评价指标和训练环境配置
为对混凝土桥梁表观缺陷精细化分割模型进行全面评估，本文将采用以下因素作为评价指标：像素准确率（pixel accuracy，PA）、均值像素准确率（mean pixel accuracy，mPA）、交并比（intersection over union，IoU）、平均交并比（mean intersection over union，mIoU）、Dice系数（Dice coefficient）、平均Dice系数（mean Dice coefficient）、召回率（Recall），平均召回率（mean Recall），具体如表1所示。
模型训练基于以下软硬件环境：硬件平台搭载Intel Xeon Platinum 8352V处理器（主频2.10 GHz）与NVIDIA RTX 4090显卡（24 GB显存），操作系统为Ubuntu 20.04 LTS；软件环境采用PyCharm Community Edition 2022.3作为集成开发工具，深度学习框架为PyTorch 1.11.0，CUDA 11.3加速库支持并行计算。训练过程中启用混合精度训练（AMP）与分布式数据并行（DDP），单批次最大输入尺寸设定为512×512像素。
表1深度学习视觉任务评价指标
Tab.1 Evaluation metrics for deep learning vision tasks
3.2 整体性能对比研究分析
为验证本文提出的精细化分割模型的性能优势，将数据增强后的桥梁缺陷数据集分别输入DeeplabV3+、PSPNet、Unet、FastSCNN、SegFormer等主流分割模型及本文模型进行对比试验。试验采用最大批量样本原则，在24 GB显存约束下动态调整各模型的批量尺寸，以确保计算资源的高效利用。训练过程中系统记录各模型的损失与精度变化，并以500次迭代为间隔采集验证集性能指标，试验结果如图7与表2所示。
图7不同模型的整体性能评估指标随验证轮次演变曲线
Fig.7Evolution curves of overall performance evaluation metrics for different models over validation epochs
如图7（a）所示，本文模型的训练损失曲线呈现显著优势：模型表现出快速收敛特性（本文模型损失值较DeepLabV3+降低71%）。训练初期损失值迅速下降，并在迭代后期稳定于较低水平。对比模型中，DeeplabV3+、PSPNet、Unet等模型的损失值下降速率相对缓慢，且最终收敛值高于本文模型。FastSCNN的损失曲线在迭代后期出现明显震荡，表明其优化过程存在不稳定性。在训练精度方面（图7（b）），本文模型的精度值在训练早期即快速上升，并在迭代后期维持在较高水平，波动幅度显著小于其他模型。DeeplabV3+与SegFormer的精度曲线虽呈上升趋势，但整体提升幅度低于本文模型，而FastSCNN在训练后期出现精度下降现象。
如表2所示，本文模型在验证集上取得最优性能：召回率（Recall）达82.95%，较DeeplabV3+（74.08%）、PSPNet（72.82%）、Unet（39.91%）、FastSCNN（72.68%）和SegFormer（79.02%）分别提升8.87%、10.13%、43.04%、10.27%和3.93%。在平均交并比（mIoU）与平均Dice系数（mDice）指标上，本文模型分别以71.91%和83.02%的表现显著优于所有对比模型，其中mIoU指标较次优模型SegFormer（64.05%）提升了7.86%。
表2模型验证指标对比
Tab.2 Comparison of model validation metrics
对比实验表明，本文模型在训练稳定性与泛化能力方面具有显著优势。其验证集精度曲线在迭代后期保持平稳，未出现对比模型中常见的过拟合波动。
3.3 消融实验分析
通过逐步退化核化注意力、层次化滑窗自注意力、交叉自注意力及Dice损失模块，验证各组件对性能的贡献，结果如图8所示。
图8网络关键模块退化验证后指标变化情况
Fig.8Changes in metrics after degradation verification of key network modules
未经过退化的模型在大部分指标上达到了峰值（Acc:96.71%，mPA:88.08%，mIoU:72.41%，mDice:84.02%，mRecall:83.95%），验证了多模块协同工作的有效性。核化注意力退化后mRecall下降幅度最大（5.83%），而mDice仅降低2.15%，表明该模块通过特征核重构显著提升了缺陷区域的查全能力，但对形状相似度指标的直接影响有限。层次化滑窗自注意力退化后各指标出现全域性显著下降，其中mIoU与mDice分别下降5.92%与4.81%，证明该模块通过多尺度位置编码机制，对缺陷形状识别具有显著作用。交叉自注意力退化后性能小幅下降（mPA下降2.31%，mRecall下降2.96%），说明跨尺度特征交互虽能提升模型鲁棒性，但并非核心性能来源。Dice-loss退化后出现指标分化现象：mRecall异常升高4.27%，而mPA与mIoU分别下降了11.15%与4.73%。这表明损失函数退化导致模型偏向背景预测，印证了Dice损失对数据不平衡问题的校正作用。
实验结果与桥梁缺陷特性高度契合：即层次化滑窗自注意力模块的有效性（mIoU贡献度达7.7%）源于其对桥梁表面多尺度纹理特征的适应性提取；核化注意力模块在mRecall上的主导作用（贡献度7.2%）验证了局部特征增强对细小缺陷检测的重要性；Dice损失函数通过平衡类别权重，缓解了数据分布不平衡问题。
3.4 不同类别缺陷分割效果对比分析
本实验基于训练日志（总迭代次数1.2×105，即120个训练周期）提取类间评估数据，以500次迭代为间隔记录验证集指标。图9展示了裂缝、露筋、侵蚀、剥落4类缺陷的独立验证曲线。
经过对这些不同缺陷间验证指标的得分、一致性、稳定性和关联性的分析可以得到模型对不同类别缺陷的学习效果。如图9（a）所示，HDNet在IoU与Dice指标上保持稳定，验证了模型对裂缝缺陷这类线性纹理特征的精确识别能力。如图9（c）所示，在侵蚀类别缺陷方面，HDNet训练初期指标波动显著，随着训练进程逐渐稳定，表明模型通过自适应学习有效提升了不规则区域的分割鲁棒性。如图9（b）和（d）所示，HDNet在露筋缺陷上呈现高像素准确率（PA均值97.21%）与低召回率（Recall均值85.40%）的特性，反映模型对此类结构简单缺陷的保守预测倾向。而剥落缺陷部分HDNet的召回率高达81.91%，但PA仅75.94%，表明存在因纹理相似导致的背景误判现象。
图9模型不同缺陷间性能得分情况
Fig.9Performance scores across different defect types
提取本文与其他5种模型训练过程中各类别验证指标的最佳值，将本文模型的不同缺陷间评估指标与其他5种模型的结果进行了对比研究，目的是了解不同网络在分割不同类别缺陷时的性能差异，以及本文模型对4种缺陷识别能力的具体情况。
通过对表3中各种模型验证指标的横向对比分析发现，本文所提出的模型在4种缺陷分割任务中均展现出最佳的性能，特别是相较其他模型在分割精度上实现了显著的提升。
表3不同模型对4种缺陷的分割验证指标得分对比
Tab.3 Comparison of segmentation validation metrics scores for four types of defects among different models
表3结果表明:1）裂缝分割综合表现最优秀，性能显著超过其他模型，本文模型IoU达70.82%，较DeepLabV3+（64.36%）提升6.46%，Dice系数（82.23%）领先次优模型SegFormer（79.82%）2.41%，验证了层次化滑窗结构对细长裂缝边缘的增强作用。
2）露筋缺陷方面，本文模型IoU（68.38%）显著优于SegFormer（60.77%）与DeepLabV3+（45.26%），且PA达97.21%，证明核化注意力机制有效提升了裸露特征的定位精度。
3）侵蚀识别方面，本文模型以75.44%的IoU领先SegFormer（67.75%）7.69%，Dice系数（85.35%）较FastSCNN（75.64%）提升9.71%，显示多尺度特征融合对不规则区域的表征优势。
4）由于客观上识别难度较高，在剥落类别上所有模型得分均偏低，但本模型在该类别中所有指标均取得了最高，IoU（61.66%）较SegFormer（45.88%）提升15.78%，Dice系数（73.94%）领先11.04%，表明动态核更新机制有效缓解了类间混淆问题。
3.5 网络的缺陷感知行为可视化分析
本文选取4类典型桥梁表观缺陷图像作为测试样本，基于网络感知热力图可视化技术，对SegFormer基准模型与本文提出的改进模型HDNet进行特征感知机制对比研究。通过解析模型内部特征响应模式，揭示不同网络架构对复杂缺陷特征的认知差异，热力图示意见图10。
图10本文模型与SegFormer热力图对比
Fig.10Comparison of heatmaps between the proposed model and SegFormer
由图10可以看出：本文模型的编码网络通过桥梁材料纹理先验学习，在缺陷内部及边缘区域生成密集连续的热力响应，完整覆盖裂缝延伸趋势与剥落轮廓。而SegFormer模型仅在诸如严重侵蚀部位这类纹理对比度显著的局部区域产生零散响应，且最大激活区域面积不足本文模型的40%，表明其全局特征整合能力受限，说明HDNet具有良好的纹理特征感知能力。同时，HDNet边缘抗干扰性能明显强于SegFormer，针对剥落区域的人工笔迹干扰，本文模型通过像素解码器与变形解码器的协同优化，在干扰区域维持稳定热力值＜0.2的低响应水平，准确锁定真实缺陷边界。SegFormer模型因缺乏物理边缘判别机制，在笔迹区域产生与真实缺陷相近的响应强度，导致误判现象。在标注未区分的露筋-剥落伴生缺陷样本中，本文模型通过跨层级特征交互机制，建立两类缺陷的关联响应，准确解耦复合缺陷的语义边界。SegFormer模型因注意力机制局限于单样本特征提取，未能迁移其他样本的露筋特征权重，导致对伴生关系的认知缺失。实验结果验证，针对桥梁检测场景的特性优化网络结构，可有效提升模型对复杂表观缺陷的认知精度与稳定性。
3.6 实桥测试结果分析
实桥测试选取西安某大桥作为测试对象，测试过程中，采用双模传感器：12.80 mm×9.60 mm传感器用于裂缝检测，5.76 mm×4.29 mm传感器用于其他缺陷采集。在采集主梁、桥墩等部位的4 096×3 072像素高分辨率图像时同步记录物距与焦距参数。通过手持式激光测距仪、裂缝宽度观测仪及数字刻度尺对缺陷尺寸进行5次重复测量，取均值作为真值基准。实桥测试设备及过程见图11。
表观裂缝尺寸测量结果如表4所示，表中宽度指表观裂缝最大宽度，长度指表观裂缝最大长度，其他3种缺陷实测结果如表5所示，表中宽度指缺陷横向尺寸，长度指缺陷纵向尺寸。
图11实桥测试设备及过程
Fig.11Actual bridge testing equipment and process
表4表观裂缝尺寸识别值与实测值对比
Tab.4 Comparison between identified and measured values of apparent crack dimensions
表5其他缺陷尺寸识别值与实测值对比
Tab.5 Comparison between identified and measured values of other defect dimensions
测试结果显示，表观裂缝宽度识别值与实测值的平均相对误差为2.28%，长度平均相对误差为4.23%，其中最小检测宽度为0.28 mm。对于剥落、侵蚀、露筋等大尺寸缺陷，长宽识别误差均低于5%。HDNet识别值长度、宽度多数大于实际值，误差主要源于分割阈值保守导致边缘轻微外扩约2%~5%及非垂直拍摄的镜头畸变，但系统性偏大的识别结果为桥梁安全评估提供了天然冗余，符合工程检测“从严控制”的原则。HDNet将缺陷尺寸测量相对误差稳定控制在±5%以内，满足规范JTG/T H21—2011《公路桥梁技术状况评定标准》桥梁检测的高精度要求，特别在裂缝宽度测量中实现了±0.03 mm的绝对精度，显著优于传统检测方法。
在后续研究中，建议针对HDNet模型开展结构化剪枝策略与自适应混合精度量化方法，旨在通过优化参数冗余与降低计算复杂度，缓解模型对硬件资源的依赖性，以推动HDNet在边缘计算设备上的轻量化部署，最终构建低功耗、高精度的桥梁病害智能检测系统。
4 结论
本文基于深度学习技术，从使用深度学习模型执行桥梁表观缺陷的自动化检测任务出发，以无人机采集的多座桥梁的表观缺陷图像作为试验对象，针对混凝土桥梁表观缺陷检测问题设计了一个基于编码器-解码器架构的精细化语义分割模型HDNet，并将HDNet与SegFormer等主流的语义分割模型进行了全面的对比，得出以下结论。
1）编码器采用层级化窗口自注意力与跨层残差连接策略，结合核化注意力模块增强局部缺陷响应；解码器通过像素-变形双路径并行架构实现全局语义解析与形态重建。实验表明，多尺度特征融合策略显著提升了模型对复杂缺陷的建模能力。
2）构建形状查询-类别预测双路径前向传播机制，联合优化语义分割与边缘检测任务。该设计通过动态平衡不同类别特征权重，有效缓解了数据分布不平衡问题，提升了对少数类缺陷的识别鲁棒性。
3）在1.2×105次迭代训练中，HDNet表现出快速收敛特性（损失值较DeepLabV3+降低71%），最终验证集指标达到mIoU 71.91%、mDice83.02%、mPA 88.08%、mRecall82.95%，证明模型具有综合性能优势。消融实验验证了核化注意力（mRecall 提升5.83%）、层次化滑窗注意力（mIoU 提升5.92%）与Dice损失函数协同设计的必要性。
4）与SegFormer的感知热力图对比结果显示，模型能够准确捕捉缺陷内部纹理与边缘细节特征，同时有效解耦露筋-剥落等伴生缺陷的语义边界，在复杂背景干扰下仍保持稳定的形状解析能力。实桥尺寸测试中，HDNet将缺陷尺寸测量相对误差稳定控制在±5%以内，验证了其在实际应用中的适用性。
