基于深度学习的钢结构锈蚀程度定量评估方法

张列学

(上海市道路运输事业发展中心，上海 200025)

摘　要：　针对现有钢结构锈蚀评估采用经验分级、难以有效评估结构力学性能的问题，提出一种基于深度学习的定量评估方法。制备不同锈蚀程度的钢板试件，采用3D激光扫描获取锈蚀表面形貌，分别通过体积积分得到体积损失率(DOV)和通过有限元逆向建模得到锈后最大应力，以两者作为图像的量化标签构建锈蚀图像的数据集，采用改进的ResNet-18模型预测DOV，采用预训练与微调后的ViT-B/16模型预测锈后最大应力。结果表明：改进的ResNet-18模型对DOV的预测误差控制在0.015以内;ViT-B/16模型训练稳定后拟合度约为0.65，验证损失稳定在0.01～0.02。表明该方法可实现锈蚀程度的连续定量评估，为钢结构锈蚀检测与运维决策提供了新的技术路径。

关键词：　钢结构; 锈蚀程度定量评估; 深度学习; 体积损失率; 锈后最大应力

引文格式： 张列学. 基于深度学习的钢结构锈蚀程度定量评估方法[J]. 市政技术，2026，44(8)：111-118. (Zhang Liexue. Quantitative evaluation method for corrosion degree of steel structures based on deep learning[J]. Journal of Municipal Technology，2026，44(8)：111-118.)