首页|基于改进YOLO V5S网络的视频图像桥梁施工部件检测方法

基于改进YOLO V5S网络的视频图像桥梁施工部件检测方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
利用视频图像进行桥梁施工部件自动检测对提高施工过程管理效率具有重要意义,但施工现场环境复杂,导致检测效率较低.针对上述问题,提出了一种改进YOLO V5S网络的视频图像桥梁施工部件检测方法.首先提出了知识引导的桥梁施工部件数据集构建方法,用于确定多时段数据采集对象;其次,引入了注意力机制SimAM和轻量化模块,融合桥梁部件特征和降低模型参数量,并结合桥梁形态约束对预测框进行优化;最后,建立了桥梁施工部件检测数据集,并与其他经典模型进行对比实验.实验结果显示,该方法的mAP@0.5达到92.46,相对于现有优秀网络模型提高了1.07%～47.13%.同时,模型参数数量比YOLO V5S降低了13.02%,在保证较高检测精度的同时提高了效率.

李战江、杨军强、姜智国、左丽、朱军

展开 >

西成客专陕西公司西康指挥部,陕西西安 710000

中铁七局集团第三工程公司,陕西西安 710000

西南交通大学地球科学与环境工程学院,四川成都 611756

桥梁施工部件检测 改进YOLO V5S 知识引导 轻量化网络

国家自然科学基金西成铁路客运专线陕西有限责任公司科技研究开发计划项目

42271424西康高铁合202124号

2024

交通世界
交通运输部科学研究院

交通世界

影响因子：0.478
ISSN：1006-8872
年,卷(期)：2024.(18)