摘要
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.
基金项目
国家自然科学基金(42271424)
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(西康高铁合202124号)
NETL
NSTL
万方数据