基于改进深度学习网络对裂缝检测研究 |
| |
引用本文: | 刘威志,宁晓骏,刘国坤.基于改进深度学习网络对裂缝检测研究[J].工业安全与环保,2024(4):8-13. |
| |
作者姓名: | 刘威志 宁晓骏 刘国坤 |
| |
作者单位: | 1. 昆明理工大学;2. 湖南工程学院 |
| |
基金项目: | 湖南省教育厅优秀青年项目(22B0737); |
| |
摘 要: | 提出了一种运用于混凝土裂缝检测的模型yolov5-slC,该方法建立在yolov5模型的基础上,改进yolov5s网络结构,将普通卷积替换为轻量卷积GSConv,在此基础上继续引用slimneck结构,降低网络复杂度的同时并未丧失精度,缩短检测时间,减少计算量;引入轻量化上采样算子CARAFE,减少了计算开销。与原yolov5s相比,该方法的mAP50提高了3.5百分点,mAP95提高了9.4百分点。在试验数据集和补充数据集进行可视化对比,yolov5-slC均表现良好,能高效精确地为混凝土裂缝检测提供新方法。
|
关 键 词: | 深度学习 计算机视觉 卷积神经网络 yolov5神经网络 混凝土裂缝检测 |
|
|