MSMC-U-Net：融合多尺度特征与上下文分析的基础设施裂缝精准分割新方法

针对基础设施裂缝检测中人工效率低、误差率高的问题，研究人员提出MSMC-U-Net模型，集成Transformer、CBAM、FPP和ASPP模块，实现多尺度特征与长程依赖分析。在CrackSeg9k和CSD数据集上取得mIoU 94.29%和92.36%的优异性能，为自动化结构健康监测提供高效解决方案。

　　

混凝土结构裂缝是基础设施老化的早期信号，但传统人工检测方法效率低下且易受主观影响。随着深度学习发展，尽管已有基于CNN和Transformer的裂缝检测模型，仍面临泛化性差、计算成本高、可解释性不足等挑战。例如，MultiScaleCrackNet虽能分类裂缝，但难以适应复杂环境变化；现有模型在重叠裂缝或噪声干扰下的性能急剧下降。这些瓶颈严重制约了自动化检测技术在桥梁、隧道等关键场景的应用。

为解决上述问题，研究人员开发了MSMC-U-Net模型。该研究通过三阶段框架实现突破：数据预处理阶段采用归一化与几何增强提升数据鲁棒性；特征提取阶段创新性融合Transformer（捕获长程依赖）、CBAM（空间-通道注意力）、FPP（特征金字塔池化）和ASPP（空洞空间金字塔池化）四大模块；分割阶段通过U-Net解码器实现特征融合与上采样。实验使用CrackSeg9k和CSD公开数据集验证性能。

Related work
现有研究可分为传统图像处理与深度学习两类。前者依赖边缘检测和阈值分割，但难以应对复杂背景；后者如Arafin等提出的语义分割模型虽精度较高，但计算复杂度成瓶颈。Russel & Selvaraj的MultiScaleCrackNet通过并行多尺度CNN降低计算量，却牺牲了小裂缝检测能力。这些工作凸显了精度与效率平衡的重要性。

Methodology
MSMC-U-Net的核心创新在于多模块协同：Transformer编码器分析像素序列全局关系；CBAM通过通道注意力（CAM）和空间注意力（SAM）聚焦关键区域；FPP与ASPP分别通过金字塔池化和不同膨胀率的空洞卷积捕获多尺度特征。这种设计首次在裂缝分割中实现局部细节与全局上下文的动态平衡。

Experimental results
在CrackSeg9k测试中，模型以96.87%精度、95.36% OIS（最优图像尺度）显著优于基线；CSD数据集上保持95.44%精度且推理速度达21FPS。消融实验显示，移除CBAM会使mIoU下降3.2%，证明注意力机制对复杂裂缝的有效性。与DeepCrack和CrackNet相比，该模型在光照变化场景的AP（平均精度）提升达8.7%。

Conclusions
该研究通过MSMC-U-Net实现了三大突破：首次将Transformer与CBAM结合用于裂缝分割，建立长程依赖与局部注意力的协同机制；多尺度模块（FPP/ASPP）使模型能同时检测0.1-5mm宽度的裂缝；轻量化设计使推理速度满足实时需求。这些进展为基础设施智能巡检提供了新范式，未来可通过迁移学习扩展至金属腐蚀等衍生缺陷检测。

值得注意的是，研究存在未标注作者单位的局限，且未公开训练代码。但模型在跨数据集测试中的稳健表现（CS9k→CSD迁移仅下降1.8% mIoU），证实其具备较强的泛化能力。这项工作发表于《Expert Systems with Applications》，为计算机视觉与土木工程的交叉研究树立了新标杆。