Page 56 - 2025年第56卷第9期

根据以上原理，建立无人机图像像素坐标与真实世界空间坐标反演计算方法，实现缺陷空间快速
定位与尺寸量化。
2.3 缺陷识别结果评估指标 为评估本文所提混凝土结构缺陷分割方法的有效性，引入多个模型性能
衡量指标，包括平均交并比（mIoU）、平均准确率（mPA）、Dice 相似系数、精确率（Precision）和召回率
（Recall）。以上 5 个指标值均在 0 和 1 之间，越接近于 1，表明模型效果越好。Dice 相似系数也称为重
叠指数，是分割任务中常用评价指标，为查准率和查全率的调和平均值，用以表征缺陷分割结果和人
工标注结果的重叠比例。各指标计算过程如下：
ì TP TP + TN

ï ïmIoU = TP + FP + FN ， mPA = FN + TP + FP + FN
ï ï
í （10）
ï ï 2TP TP TP
ï ï Dice = 2TP + FP + FN ， Precision = TP + FP ， Recall = TP + FN

î
式中：TP（True Positive）为真正例，表示模型正确预测为缺陷区域的像素数量；FP（False Positive）为假
正例，表示模型错误预测为缺陷区域的像素数量；TN（True Negative）为真负例，表示模型正确预测为
背景区域的像素数量；FN（False Negative）为假负例，表示模型错误预测为背景区域的像素数量。

3 混凝土梁现场试验

3.1 无人机倾斜摄影和三维重建 本研究采用大疆公司生产的精灵 4 RTK 无人机（Phantom 4 RTK）作
为图像采集平台。该无人机配备高精度的实时动态定位系统和高分辨率光学相机，能作厘米级的精确
定位，确保获取的图像数据具备高精度的空间参考。通过搭载的高性能光学传感器，无人机检测平台
可实现混凝土结构表面缺陷信息的高分辨率数据采集。混凝土结构图像采集过程如图 5 所示。无人机
图像采集设备型号参数如表 1。

图 5 混凝土结构无人机数据采集过程

针对该混凝土构件，采用无人机航拍为主、单反相机辅助拍摄的方式，对于整体结构及高空部位
采用无人机航拍，对于梁下部位及细节部分，采用人工补拍。本次实验共采集图像 27 张。图 6 展示了
混凝土结构多视图三维重建过程。根据稀疏重建方法对混凝土结构进行稀疏点云重建，重建共产生点
云 12 834 个，通过姿态估计与光束平差优化，模型稀疏点云融合测量点共 45 234 个，平均重投影误差
1.215，最后得到该混凝土结构稀疏点云模型与相机姿态。
3.2 混凝土结构缺陷像素级分割评估 为验证所提方法的有效性，将原始模型（UNet3+）、结合分类
引导模块的 UNet3+模型（S-UNet3+）与结合坐标注意力机制的 UNet3+模型（CA-UNet3+）作为对比模型
开展消融实验。本文所提改进 UNet3+模型与 UNet3+、S-UNet 及 CA-UNet3+方法的识别结果如图 7 所
示，分割指标结果如表 2 所示。可以看出，相较于基线模型 UNet3+，本文所提方法在平均交并比、平

— 1160 —