COOT-CNN：基于轻量卷积架构的元启发式优化深度学习框架用于混凝土基础设施多类别鲁棒裂缝检测

《Ain Shams Engineering Journal》：COOT-CNN: A metaheuristic-optimized deep learning framework based on lightweight convolutional architectures for multi-class robust crack detection in concrete infrastructures

　　

自动化裂缝检测是结构健康监测（SHM）中的关键任务，人工视觉检查通常耗时、主观且易出错。尽管基于卷积神经网络（CNN）的方法已显示出强大性能，但大多数现有方法依赖于固定架构和手动调整的超参数，限制了在不同表面条件下的适应性。本文提出了一种端到端的元启发式优化深度学习框架，称为COOT-CNN，用于鲁棒的多类别裂缝检测。该框架将基于COOT的搜索策略与轻量级可搜索CNN相结合，以联合优化架构设计和训练超参数，包括网络深度、滤波器和卷积核配置、激活和池化策略、学习率、正则化和数据增强策略。一个由宏F₁（macro-F₁）驱动的适应度函数，带有轻微复杂度惩罚，引导搜索朝向平衡的多类别性能。最佳配置使用类别感知指标进行再训练和评估，展示了在保持计算效率的同时，对类别不平衡和复杂纹理变化的改进鲁棒性。

**论文解读文章**

**研究背景与现存问题**

结构健康监测（SHM）中，混凝土基础设施表面的裂缝是材料退化、环境损伤或荷载疲劳的早期指标，人工视觉检查是传统主流方法，但存在耗时、主观、易错、安全性差等显著局限。随着基础设施规模扩大和老化，对自动化、可靠且可扩展的裂缝检测系统需求日益迫切。基于卷积神经网络（CNN）的自动化方法在裂缝分类和检测中展现出强大潜力，但多数现有方法仍依赖固定网络架构和手动调节的超参数，这使得模型在不同表面纹理、光照条件和类别分布的数据集间适应性有限。在多类别裂缝检测任务中，关键挑战包括：表面缺陷（如裂缝、污渍、接缝）视觉相似性高、背景纹理主导干扰、光照变化剧烈、真实数据集类别严重不平衡，以及不同裂缝类型间的细微视觉差异。这些挑战导致现有CNN模型在鲁棒性和泛化能力上存在不足，亟需一种能自动优化架构和训练策略的框架。

**研究目标与意义**

为解决上述问题，研究人员提出了COOT-CNN：一种基于COOT元启发式优化算法的端到端深度学习框架，用于对混凝土基础设施表面裂缝进行多类别鲁棒分类。该框架的核心思想是将CNN架构设计与训练超参数选择统一建模为优化问题，通过COOT算法自动搜索最优配置，以替代传统手动试错调参。论文发表在《Ain Shams Engineering Journal》。该研究的意义在于：提供了一种可自动化、轻量化且计算高效的裂缝分类方案，能在类别不平衡和复杂纹理条件下保持鲁棒性能，为实际结构健康监测系统的部署奠定了方法论基础。

**关键技术与方法**

本研究采用的关键技术方法包括：（1）COOT元启发式优化算法：基于种群迭代搜索，动态平衡探索与利用，对混合变量（离散与连续）空间进行高效搜索；（2）轻量可搜索CNN架构：包含深度可分离卷积（Depthwise Separable Convolution）和挤压激励注意力（SE Attention）等模块，支持灵活调整网络深度、滤波器宽度、卷积核大小、激活函数、池化策略等；（3）适应度函数与复杂度惩罚：以验证集的宏F₁（Macro-F₁）为核心指标，加权轻微模型复杂度惩罚项，引导搜索朝向平衡性能与轻量化方向；（4）短训练评估、配置哈希缓存与重启策略：每个候选配置进行8 epochs短训练，通过哈希缓存避免重复评估，并引入随机突变和停滞重启机制提升搜索效率。数据来源为SDNET2018数据集，训练集和验证集在六类（CD、UD、CP、UP、CW、UW）间平衡分布，测试集保留自然不平衡分布以模拟真实工况。

**研究结果**

以下保留原文小标题结构，简述研究结论：

**1. 类间性能分析（Per-class performance analysis）**
通过计算每类的精度（Precision）、召回率（Recall）和F₁-score，并结合一次对多（One-vs-Rest）ROC曲线，研究人员发现：模型在所有六类上均取得较高精度和召回率；UP类（未开裂路面）F₁达96.8%，CD类（开裂桥面）F₁为91.8%；宏平均ROC-AUC达0.998，表明模型具有良好的类间区分能力。

**2. 混淆矩阵分析（Confusion matrix analysis）**
通过6×6混淆矩阵及行列归一化视图，研究人员分析了分类错误分布。结果表明：大多数误分类发生在视觉相似的表面条件之间，尤其是开裂与未开裂、不同结构组件（桥面 vs. 路面）之间，反映出纹理重叠和低对比度边界是主要混淆源。该分析验证了COOT优化在降低系统性误分类方面的有效性。

**3. 处理不平衡评估（Handling imbalanced evaluation）**
研究人员同时报告宏平均和加权平均指标。测试集上宏F₁为93.46%，加权F₁为95.68%，两者接近表明模型对多数类和少数类均保持较一致性能，未严重偏向主导类。

**4. 与代表性元启发式优化器的比较评估（Comparative evaluation with representative metaheuristic optimizers）**
在相同实验条件下，将COOT与遗传算法（GA）、粒子群优化（PSO）、灰狼优化（GWO）、差分进化（DE）进行比较。COOT在准确率（95.28%）、宏F₁（93.46%）、加权F₁（95.68%）和平衡准确率（93.37%）上均取得最高值，且平均收敛迭代次数仅10次，远少于其他方法，验证了COOT在混合变量搜索空间中的优越探索-利用平衡能力。

**讨论与结论总结**

**讨论部分**：研究人员指出尽管COOT-CNN在SDNET2018上表现优异，但存在若干局限：（1）评估依赖单一数据集，测试集不平衡导致少数类（如CD）召回率偏低（90.7%）；（2）多数错误发生在视觉相似类别间，图像级分类对模糊样本能力有限；（3）搜索空间和计算预算有限，所选配置并非全局最优；（4）未进行跨数据集或真实场域泛化验证。未来方向包括：引入定位感知方法、消融实验、跨数据集验证、不确定性估计及边缘端部署。

**结论部分翻译**：本研究提出了一个端到端的COOT-CNN框架，用于基于SDNET2018数据集的六类混凝土表面缺陷分类（包括CD、UD、CP、UP、CW、UW类别）。针对自动化模型设计、轻量化部署和可靠多类别缺陷识别目标，主要结论如下：（1）自动化架构与训练优化：框架成功将COOT元启发式与CNN设计集成，联合优化架构和训练参数，减少了手动试错；（2）轻量高效模型设计：最佳配置产生紧凑CNN（1,438,912个可训练参数），推理速度约3.8 ms/图像，适用于快速检测流程；（3）验证集和测试集性能优良：验证集准确率96.43%、宏F₁ 96.11%；测试集准确率95.28%、宏F₁ 93.46%，表明模型能学习判别性视觉模式；（4）类间行为：主导类UP表现突出（F₁ 96.8%），但低支持类CD性能较低（F₁ 91.8%、召回率90.7%），证实了报告宏平均和类间指标的必要性；（5）错误模式：混淆矩阵分析显示误分类集中于视觉相似类别之间，提示图像级分类在模糊样本上的局限性。本研究受限于单一数据集、不平衡测试集和未进行跨数据集验证，未来工作应扩展至真实数据集、改善不平衡、进行消融研究并引入定位与分割任务。