重庆交大DenseNet121+迁移学习拱结构损伤识别：连续小波时频图训练，钢管混凝土拱试验准确率93.33%

桥梁检测

基于DenseNet121和迁移学习的拱结构损伤识别

作者：李杰（1,2），唐启智（1），辛景舟（1），刘增武（3），马闻达（1）
单位：1. 重庆交通大学 山区桥梁及隧道工程国家重点实验室，重庆 400074；
      2. 重庆市建筑科学研究院有限公司，重庆 400016；
      3. 山东交通学院 交通土建工程学院，山东 济南 250399

摘要：针对传统拱结构损伤识别方法存在提取特征适应性差、识别能力弱的问题，提出一种基于DenseNet121和迁移学习的拱结构损伤识别方法。

首先，利用连续小波变换，将拱结构的加速度响应转换成时频图，并以此划分训练集、验证集和测试集样本；

其次，基于迁移学习策略，利用DenseNet121模型对训练集进行特征学习，通过模型优化使其性能达到最优，并作为损伤识别的模型；

然后，将测试集送入训练好的最优模型中进行损伤识别；

最后，通过钢管混凝土拱结构试验来验证方法的有效性。

结果表明：该方法在训练过程中具有良好的稳定性，能够对拱结构损伤程度进行精确识别，识别准确率达到93.33%；与ResNet50、VGG16、AlexNet相比，该方法识别准确率分别提升了2.94%、5.53%、10.53%；采用准确率、精确率、训练损失值、召回率和F1值5个评价指标定量评估模型性能，该方法具有更好的综合识别效果。

关键词：拱结构，拱桥，损伤识别，DenseNet121，迁移学习

基金资助：国家自然科学基金资助项目（52278292，52408314）；重庆市杰出青年科学基金资助项目（CSTB2023NSCQ-JQX0029）；中国中铁重大课题（2022-重大-11）

---

▶ 来源：期刊之家（《重庆交通大学学报（自然科学版）》目录）
▶ 原文标题：基于DenseNet121和迁移学习的拱结构损伤识别
▶ 原文链接：http://www.qikanzj.com/hek/jsdxxbzrkxb/mulu/681628.html
▶ 转载时间：2026-10-05