水工机械装备（如闸门、拦污栅等）长期服役于水域环境，其结构表面会不可避免地产生锈蚀。对于重要的关键受力结构件，如果不能准确检测其锈蚀的严重程度，会导致其维修加固不及时，进而直接威胁受损结构周围人员的生命安全。目前，对水工机械装备锈蚀特征识别主要以人工目视检测为主，容易导致视觉疲劳、主观性较强、锈蚀程度的检测准确率不高等问题。为此，本文提出以VGG–16(visual geometry group,VGG)网络为基础、融合注意力机制和双线性池化的锈蚀等级评估方法。首先，利用RGB(red green and blue)和HSV(hue saturation and value)两种色彩空间中不同分量包含锈蚀图像特征不同的特点，将不同色彩空间作为不同支路网络的输入，使其能够充分利用不同色彩空间的图像特征；其次，在两个支路网络中嵌入注意力机制，通过注意力机制的可训练权重对锈蚀图像的特征进行重标定，调整权重，聚焦于最相关的特征进行学习；再次，采用双线性池化融合不同支路提取的特征，使网络聚焦于最相关的细粒度图像特征，提高网络模型对锈蚀图像细微差异特征的利用；最后，通过盐雾锈蚀实验获取锈蚀图像数据，并在数据集上对本文方法进行消融和对比分析。结果表明，相较于原模型及其他主流算法，改进后模型的分类准确率达到了0.953，精确率、召回率、F1系数等评价指标均有大幅提升，本文方法对于不规则锈蚀图像特征能够取得更好的评估效果，可以转化应用于工程实践。
