tyc1286太阳成集团tyc1286太阳成集团李延成教授团队在土木工程领域顶级期刊《Automation in Construction》（中科院一区TOP期刊，IF=10.3）上发表为“Dual attention transformer network for pixel-level concrete crack segmentation considering camera placement”的研究论文。2021级硕士研究生吴英杰为该论文的第一作者，李延成教授和李少琪副教授共同指导，tyc1286太阳成集团为第一通讯单位。

裂缝是混凝土建筑结构的最常见损伤类型，也是导致结构倒塌的主要原因之一。因此，裂缝检测在结构健康监测领域有着重要的意义。该文提出了一种基于Transformer的语义分割网络（PCTNet）用于检测像素级宽度的裂缝，并探究了不同检测距离对于网络性能的影响。PCTNet采用特征金字塔的结构来提取多尺度的特征信息，并提出Dual attention block对提取到的特征信息做自注意力运算。在真实场景下，由于复杂的背景以及不同拍摄距离，所采集到的图像中裂缝像素与背景像素之间的对比度很低，导致很难准确的检测出裂缝像素。基于此，该文提出的Dual attention block，其包含两种注意力机制来分别提取局部特征信息和全局特征信息，并将二者融合以此来充分提取裂缝特征并与背景区分。此外，该文还提出裂缝检测性能评估指标分别为Pixel IoU和Relative error rate，用于评估网络对于细小裂缝的检测能力。结果表明，所提出的PCTNet可以准确的检测出毫米级宽度的裂缝，且在复杂环境下仍展现出较好的泛化性和鲁棒性。PCTNet在检测效率和检测准确率上有着很好的平衡，能够以较低的计算成本准确快速的检测出裂缝，更适合部署到实际工程中来进行结构健康监测。

文章在线网址：https://doi.org/10.1016/j.autcon.2023.105166

作者：李少琪；审核：张涛、方海