基于YOLOv5s户外场景下混凝土裂缝识别模型改进OA
Enhancement of Concrete Crack Identification Model in Outdoor Environment Utilizing YOLOv5s
近年来,机器视觉算法的发展推动了基于深度学习的裂缝检测技术在混凝土建筑物中的应用.该技术利用小米13 手机和大疆无人机在自然环境下采集了3 134 张包含裂缝、腐蚀、坑洞的图像,以增加模型的泛化能力,提高裂缝检测的准确性和效率,特别是在非固定端的实际应用中,为了实现这一目标,文中引入了Mosaic—9数据增强和ECA及CA注意力机制,优化了YOLOv5s模型.使用YOLOv5s目标检测网络,并引入GhostNet网络以优化计算效率,通过消融实验验…查看全部>>
In recent years,the development of machine vision algorithms has promoted the application of crack detection technology based on deep learning in concrete buildings.The technology uses Xiaomi 13 mobile phones and DJI drones to collect 3 134 images containing cracks,corrosion,and pits in natural environments to increase the generalization ability of the model.Improve the accuracy and efficiency of crack de-tection,especially in practical applications of non-f…查看全部>>
邱锐;孙勇;解可悦;刘松林;尹萌;杨安琪;汤丰莹
黑龙江科技大学建筑工程学院,黑龙江 哈尔滨 150022黑龙江科技大学建筑工程学院,黑龙江 哈尔滨 150022||龙建路桥股份有限公司,黑龙江 哈尔滨 150006||哈尔滨工业大学交通科学与工程学院,黑龙江 哈尔滨 150090黑龙江科技大学建筑工程学院,黑龙江 哈尔滨 150022黑龙江科技大学建筑工程学院,黑龙江 哈尔滨 150022黑龙江科技大学建筑工程学院,黑龙江 哈尔滨 150022黑龙江科技大学建筑工程学院,黑龙江 哈尔滨 150022黑龙江科技大学建筑工程学院,黑龙江 哈尔滨 150022
土木建筑
混凝土裂缝机器视觉YOLOv5s
Fissures in concreteMachine vision technologyYOLOv5s
《江西建材》 2024 (9)
96-98,3
黑龙江省级大学生创新创业训练项目《基于机器视觉技术的混凝土外观检测与损伤识别》(项目编号:S202310219008).
评论