基于深度学习的预制梁表面气泡缺陷检测
作者机构：武汉理工大学交通与物流工程学院武汉430063 中铁第四勘察设计院集团有限公司武汉430063
基 金：中交集团首个揭榜挂帅科技攻关项目(2021-ZJKJ-JBGS01)
出 版 物：《武汉理工大学学报（交通科学与工程版）》 (Journal of Wuhan University of Technology（Transportation Science & Engineering）)
年 卷 期：2024年第48卷第2期
页 码：380-384,391页
摘 要：文中提出一种基于YOLOv5s的预制梁表面气泡缺陷检测算法.该算法在原模型的基础上引入CBAM注意力模块,增强通道间信息的关联性及兴趣特征的关注度;在颈部网络中用BiFPN加权双向金字塔结构,改进网络特征融合模块,实现快速的多尺度特征融合.在检出气泡缺陷后,提出基于面积和直径的两个评价指标对气泡进行分类.结果表明:改进模型具有更强的特征提取能力,平均检测精度(mAP)为95.8%,相对于原模型提高了2.3%,准确率提高了6.5%,召回率提高了3.5%,在气泡缺陷检测任务中有效减少了漏检和误检,具备更好的检测性能.
主 题 词：预制梁 气泡缺陷 YOLOv5s 注意力机制 BiFPN
学科分类：081406[081406] 08[工学] 0814[工学-地质类] 082301[082301] 0823[工学-农业工程类]
D O I：10.3963/j.issn.2095-3844.2024.02.031
馆 藏 号：203127740...
