Engineering and Management Science

针对小样本条件下混凝土桥面裂缝图像分类问题，本文以 SDNET2018 数据集中的桥面图像为研究对象，构建裂缝与无裂缝二分类任务，对 HOG+SVM、LBP+SVM、基础 CNN、MobileNetV2 和 ResNet18 五种模型进行了实验比较，并分析了不同参数设置对模型性能的影响。结果表明，传统机器学习方法中 HOG+SVM 优于 LBP+SVM；深度学习方法整体优于传统方法，其中迁移学习模型表现较好。在本文实验条件下，ResNet18 取得最高测试准确率 97.5%，裂缝类别 F1 值为 0.9751；MobileNetV2 的测试准确率达到 97.0%，表现出较好的轻量化应用潜力。实验结果表明，迁移学习方法在小样本混凝土桥面裂缝图像分类任务中表现较好，合理的参数设置有助于提升模型性能。