[1]马健,阎卫东,刘国奇.基于YOLO v5的古建筑木结构裂缝检测方法[J].沈阳建筑大学学报(自科版),2021,(5):927-934.[doi:10.11717/j.issn:2095-1922.2021.05.20]
点击复制

基于YOLO v5的古建筑木结构裂缝检测方法()
分享到：

《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2021年第5期
页码:
927-934
栏目:
土木工程
出版日期:
2021-09-30

文章信息/Info

作者:
马健; 阎卫东; 刘国奇
关键词:
深度学习; 古建筑木结构; 裂缝检测; YOLO v5
DOI:
10.11717/j.issn:2095-1922.2021.05.20
摘要:
目的 针对古建筑木结构裂缝检测效率低、成本高、周期长的缺点,提出利用YOLO v5对古建筑木结构裂缝实现智能检测。方法 首先,利用佳能照相机采集古建筑木结构裂缝图片,建立 Pascal VOC数据集;其次,基于Facebook开发的Pytorch深度学习框架,用数据集对YOLO v5进行训练,同时分析各项性能参数指标;最后,以沈阳建筑大学校园内八王寺为例,进行裂缝识别验证。结果 在迭代350次的情况下,训练损失可以降到0.042,AP值达到0.918,裂缝检测精度达到91%左右。结论 笔者利用YOLO v5目标检测方法可以快速、准确的识别出古建筑木结构的裂缝,相比较传统的人工检测方法具有高效、便捷、成本低的优点。

相似文献/References:

[1]石怀涛 乔思康 丁健华 王子男 白晓天.基于改进卷积神经网络CNND的电主轴轴承故障诊断方法[J].沈阳建筑大学学报(自科版),2020,(2):361.[doi:10.11717/j.issn:2095-1922.2020.02.21]
[2]马健,阎卫东,刘国奇.基于深度学习的古建筑木结构裂缝复杂纹理轮廓特征提取方法[J].沈阳建筑大学学报(自科版),2022,(5):896.[doi:10.11717/j.issn:2095-1922.2022.05.16]

更新日期/Last Update: 2021-10-27