基于深度学习导纳特征的钢筋锈蚀损伤识别方法和系统

本申请公开了一种基于深度学习导纳特征的钢筋锈蚀损伤识别方法和系统，涉及混凝土结构检测技术领域，包括：在预设频段内扫频得到的钢筋混凝土结构在不同锈蚀率状态下的导纳信号；向得到的导纳信号数据添加高斯噪声，将每个数据点与符合高斯分布的随机数相加，得到新的导纳信号；将测量和新生成的导纳信号组成训练数据，训练一维卷积神经网络；将钢筋混凝土在未知锈蚀状态下的导纳信号输入训练好的一维卷积神经网络，得到预测锈蚀率。导纳信号是混凝土钢筋锈蚀导致结构完整性变化的一个指示标准，通过对不同锈蚀率状态下钢筋混凝土结构的导纳信号进行获取，将获取的数据处理后训练出来的网络可实现对钢筋混凝土的未知锈蚀状态实现准确识别。