一种基于迁移学习的小样本裂缝识别方法及系统

本发明公开了一种基于迁移学习的小样本裂缝识别方法及系统，构建了一种创新的、深度耦合的神经网络架构，该架构首先利用集成了并联非对称卷积核的自适应裂缝感知注意力模块，识别裂缝的线状几何特征并生成注意力图；接着采用该注意力图对原始输入图像进行逐像素的信号预调制，将增强后的图像送入集成了特征级线性调制层的预训练MobileNetV4主干网络，通过学习仿射变换参数实现对网络内部特征流的通道级动态适配；最后将提取的深度特征送入高斯朴素贝叶斯分类器进行分类，并对注意力图进行深度几何分析，以实现可解释的裂缝严重性评估。本发明显著提高了裂缝识别的准确率、鲁棒性和可解释性，有效解决了小样本场景下的技术瓶颈。