[1]何兆益 常宝霞 吴逸飞 李冬雪.基于YOLO v5-IBX网络模型的公路隧道衬砌裂缝检测方法研究[J].沈阳建筑大学学报(自科版),2023,(5):888-898.[doi:10.11717/j.issn:2095-1922.2023.05.14]
点击复制

基于YOLO v5-IBX网络模型的公路隧道衬砌裂缝检测方法研究()
分享到：

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

卷:
期数:
2023年第5期
页码:
888-898
栏目:
土木工程
出版日期:
2023-10-08

文章信息/Info

作者:
何兆益 常宝霞 吴逸飞 李冬雪
关键词:
公路隧道; 裂缝检测; YOLO v5-IBX模型; 隧道衬砌裂缝; 注意力机制
DOI:
10.11717/j.issn:2095-1922.2023.05.14
摘要:
目的 针对传统隧道衬砌裂缝检测效率低、成本高、周期长以及当前基于计算机视觉、图像处理技术的裂缝智能检测方法效率低、精度低、检测结果不准确等问题，提出一种改进的网络模型YOLO v5-IBX对公路隧道衬砌裂缝进行智能检测。方法 在原始YOLO v5网络模型的检测层中新增一个低维尺度和在特征提取层中融入注意力机制，提高特征融合利用和对小目标的检测精度，降低网络参数的计算量，达到减少裂缝细节信息丢失的目的；对采集到的公路隧道衬砌裂缝图像，通过图像翻转、裁剪、调整图像饱和度、对比度等随机转换方式来进行数据增强，增加数据特征样本，建立数据集，以满足模型检测的需求；在建立的隧道衬砌裂缝数据集上进行试验，以精确率、召回率、计算平均精度及平均精度均值作为检测精度的综合评价指标，将笔者提出的网络模型YOLO v5-IBX与原始的YOLO v5等其他网络模型进行对比。 结果 采用改进的网络模型YOLO v5-IBX检测隧道衬砌裂缝，在迭代300次的情况下，训练损失可以降到0.014，裂缝检测精度率达到97.8%左右，召回率达到97.7%左右，精度均值达到98.6%左右，均优于其他模型，检测精度得到有效提高。结论 相比较传统的人工检测方法和原始YOLO v5检测算法，改进的网络模型YOLO v5-IBX可以更快速、准确地识别出隧道衬砌裂缝，为隧道衬砌裂缝检测提供新的更加实用的检测方案。

相似文献/References:

[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.[doi:10.11717/j.issn:2095-1922.2021.05.20]
[2]王占飞,李明阳,李保险,等.基于深度学习的桥梁裂缝检测与裂缝测量分析技术研究[J].沈阳建筑大学学报(自科版),2022,(3):486.[doi:10.11717/j.issn:2095-1922.2022.03.13]

更新日期/Last Update: 2023-10-08