一种基于深度学习的缆索过火最高温度快速无损预测方法

本发明公开了一种基于深度学习的缆索过火最高温度快速无损预测方法，涉及桥梁火灾后安全评估技术领域。该方法通过多种火灾试验获取缆索防腐—防火防护体系在不同温度下的表观图像数据，经分流预处理后构建专用数据集；创新性地构建了基于ConvNeXt‑Tiny的双分支权重共享预测模型，通过两个并行分支分别提取缆索阻燃密封胶层与防腐层的状态特征，经特征融合与共享主干网络进行深层表征学习，最终由两个有序分类预测头实现双温度参数的高精度并行预测；利用迁移学习策略与混合损失函数进行训练，显著提升预测精度与泛化能力；最终开发可视化窗口，实现无需拆卸与传感器的缆索过火温度快速无损评估。该方法为桥梁缆索火灾后安全性能评估提供了可靠的技术支撑。