基于改进YOLOv5模型的智能立体车库结构裂缝识别算法研究

2024-04-09 15:05:04赵怡豪刘勇岳仁峰孔令鑫
信息系统工程 2024年3期
关键词:深度学习

赵怡豪?刘勇?岳仁峰?孔令鑫

摘要:针对立体车库中明暗变化显著、目标尺寸差异大等现象导致的裂缝识别准确度不高的问题,提出了一种基于改进YOLOv5网络的识别算法模型。该模型通过优化特征提取层和增加注意力机制,提高了对不同尺寸目标的识别能力,通过改进的特征融合层结构和检测层输出框尺寸,提升了识别精度。在立体车库结构裂缝数据集上的试验验证表明,该网络收敛速度快,在目标识别率和图像识别准确率方面都有所提升,识别精度高达95.4%,实现了立体车库结构裂缝的精准检测和定位,为高速、高精度的结构裂缝检测提供了理论基础,具有工程应用价值。

关键词:裂缝检测;YOLOv5;深度学习;目标识别

一、前言

裂缝作为结构损伤的表观呈现,既是耐久性不足的预警,也是结构被破坏的先兆。在立体车库中,结构裂缝反映了立体车库地基等支撑结构的受力状态、耐久性及安全性。在现场检测时,裂缝的检测需要人为判断,存在很大的主观因素,加之复杂恶劣的检测环境,导致裂缝检测存在效率低、测不准、检不全等缺点,无法满足立体车库裂缝检测高精度的需求。因此,急需研究高效、高精度的结构裂缝自动化检测技术。

近年来,随着计算机技术的飞速发展,使得开发性能令人满意的网络模型成为可能。根据应用目的的不同,结构裂缝自动检测技术大致可分为两类:一是图像像素级裂缝检测,在分析结构表面纹理状况的基础上,分析裂缝分布等特征,为结构健康状况评估提供精确参数。……

登录APP查看全文

猜你喜欢
深度学习
从合坐走向合学:浅议新学习模式的构建
面向大数据远程开放实验平台构建研究
基于自动智能分类器的图书馆乱架图书检测
搭建深度学习的三级阶梯
有体验的学习才是有意义的学习
电子商务中基于深度学习的虚假交易识别研究
现代情报(2016年10期)2016-12-15 11:50:53
利用网络技术促进学生深度学习的几大策略
考试周刊(2016年94期)2016-12-12 12:15:04
MOOC与翻转课堂融合的深度学习场域建构
大数据技术在反恐怖主义中的应用展望
深度学习算法应用于岩石图像处理的可行性研究
软件导刊(2016年9期)2016-11-07 22:20:49