基于并行共识融合的裂缝宽度测量系统性偏差校正方法

《Sensors》：A Calibrated Post-Processing Layer for Tolerance-Compliant Crack-Width Measurement

　　

摘要

裂缝宽度决定了检验员如何评估和优先处理混凝土的劣化情况，然而自动化流程仍依赖于像素重叠分数（IoU、Dice）来评估，这些分数并没有明确针对宽度测量。我们从几何角度展示了高像素重叠可能与较大的宽度误差共存，并通过实验证明了现代裂缝分割算法中存在的系统性过度分割偏差。我们提出了“并行共识融合”（PCF）方法，这是一种专门用于解决测量可靠性的轻量级工具，适用于任何存在过度分割问题的算法。该方法通过将学习到的掩膜与独立计算出的增强对比度的阈值掩膜进行交集运算来校正这种偏差；其参数数量较少，只需针对每个算法和领域进行一次覆盖范围受限的校准即可，而非假设这些参数具有普遍性。在未经控制的实地数据集（75个使用卡尺测量的物理区域，即感兴趣区域（ROIs），分布在15条裂缝上，从三个不同距离拍摄了225张图像-ROI观测结果）以及一个带有宽度标注的ROI的外部数据集中，对PCF进行了评估。结果表明，PCF作为一种校准后的过度分割校正器，其效果可以根据每个算法的过度分割偏差进行预测。该方法提高了在公差范围内的ROI比率——即测量宽度在工程公差范围内的区域比例——在十个算法中有九个都能得到提升，并将结构上不同的算法统一到了一个宽度精度范围内。我们认为，对于检验员级别的裂缝宽度测量来说，真正重要的指标是毫米范围内进行了评估，并以较宽松的AASHTO允许误差范围作为鲁棒性检验标准。