裂缝小目标缺陷的轻量化检测方法

作     者：贾晓芬 江再亮 赵佰亭 JIA Xiaofen;JIANG Zailiang;ZHAO Baiting

作者机构：安徽理工大学电气与信息工程学院安徽淮南232001 安徽理工大学省部共建深部煤矿采动响应与灾害防控国家重点实验室安徽淮南232001 

基　　金：国家自然科学基金资助项目(52174141) 安徽省自然科学基金资助项目(2108085ME158) 安徽省高校协同创新项目(GXXT-2020-54) 安徽省重点研发计划支持项目(202004b11020029,202104a07020005) 

出 版 物：《湖南大学学报（自然科学版）》 (Journal of Hunan University:Natural Sciences)

年 卷 期：2024年第51卷第6期

页      码：52-62页

摘      要：及时且准确捕获井壁出现的微小裂缝,对于井筒安全意义重大.轻量化检测模型是推动井壁裂缝自动检测的关键,打破现有方法聚焦于提取深层语义信息的局限,重视浅层特征表征的几何结构信息的应用,针对井壁裂缝提出轻量化检测模型E-YOLOv5s.首先融合普通卷积、深度可分离卷积和ECA注意力机制设计轻量化卷积模块ECAConv,再引入跳跃链接构建特征综合提取单元E-C3,得到骨干网络ECSP-Darknet53,它负责显著降低网络参数,同时增强对裂缝深层特征的提取能力.然后设计特征融合模块ECACSP,利用多组ECAConv和ECACSP模块组建细颈部特征融合模块E-Neck,旨在充分融合裂缝小目标的几何信息和表征裂缝开裂程度的语义信息,同时加快网络推理速度.实验表明,E-YOLOv5s在自制井壁数据集上的检测精度相较YOLOv5s提升了4.0%,同时模型参数量和GFLOPs分别降低了44.9%、43.7%.E-YOLOv5s有助于推动井壁裂缝自动检测的应用.

主 题 词：裂缝缺陷 小目标 深度学习 深度可分离卷积 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.16339/j.cnki.hdxbzkb.2024266

馆 藏 号：203128374...