南京工业大学土木工程学院李延成教授团队在土木工程领域顶级期刊《Automation in Construction》（中科院一区TOP期刊，IF=10.3）上发表为“Dual attention transformer network for pixel-level concrete crack segmentation considering camera placement”的研究论文。2021级硕士研究生吴英杰为该论文的第一作者，李延成教授和李少琪副教授共同指导，南京工业大学为第一通讯单位。

裂缝是混凝土建筑结构的最常见损伤类型，也是导致结构倒塌的主要原因之一。因此，裂缝检测在结构健康监测领域有着重要的意义。该文提出了一种基于Transformer的语义分割网络（PCTNet）用于检测像素级宽度的裂缝，并探究了不同检测距离对于网络性能的影响。PCTNet采用特征金字塔的结构来提取多尺度的特征信息，并提出Dual attention block对提取到的特征信息做自注意力运算。在真实场景下，由于复杂的背景以及不同拍摄距离，所采集到的图像中裂缝像素与背景像素之间的对比度很低，导致很难准确的检测出裂缝像素。基于此，该文提出的Dual attention block，其包含两种注意力机制来分别提取局部特征信息和全局特征信息，并将二者融合以此来充分提取裂缝特征并与背景区分。此外，该文还提出裂缝检测性能评估指标分别为Pixel IoU和Relative error rate，用于评估网络对于细小裂缝的检测能力。结果表明，所提出的PCTNet可以准确的检测出毫米级宽度的裂缝，且在复杂环境下仍展现出较好的泛化性和鲁棒性。PCTNet在检测效率和检测准确率上有着很好的平衡，能够以较低的计算成本准确快速的检测出裂缝，更适合部署到实际工程中来进行结构健康监测。

文章在线网址：https://doi.org/10.1016/j.autcon.2023.105166

作者：李少琪；审核：张涛、方海