基于改进YOLOv5模型的智能立体车库结构裂缝识别算法研究

扫码查看

原文链接

万方数据
维普

中文摘要：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。

作者：

赵怡豪、刘勇、岳仁峰、孔令鑫

展开 >

作者单位：

齐鲁工业大学

山东爱普电气设备有限公司济南高新分公司

山东爱普电气设备有限公司济南高新分公司、国网山东济南市历城区供电公司

山东电工电气集团有限公司

展开 >

关键词：

裂缝检测 YOLOv5 深度学习目标识别

基金：

济南市科技计划(后补助)项目社会民生专项

项目编号：

202131009

出版年：

2024

信息系统工程

天津市信息中心

信息系统工程

影响因子：0.29

ISSN：1001-2362

年,卷(期)：2024.(3)

参考文献量7