基于YOLO V5算法的建筑外立面渗漏红外图像识别方法

摘要：

采用深度学习技术中的YOLOV5目标识别算法对红外成像仪中采集到的渗漏区域红外图像进行识别.对于红外渗漏目标而言,不同背景条件、不同时间的红外渗漏目标样本量较少且难以采集,给深度学习模型的训练造成了很大的困难.深度学习需要较多的检测目标数据量进行训练,为了减少对真实渗漏红外图像数量的需求,结合仿真渗漏红外图像与真实渗漏红外图像来制作数据集,作为深度学习的样本进行训练.试验结果表明,所提出的数据集制作与识别方法,对建筑外立面红外图像中渗漏区域的识别准确率达87.6％.

关键词：建筑外立面、红外图像、深度学习、渗漏识别

所属期刊栏目：45

分类号：TU761.11;TP39.141;TG115.28(建筑施工)

资助基金：中央级公益性科研院所基本科研业务费专项;国家重点研发计划;国家自然科学基金;国家自然科学基金

在线出版日期：2023-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：54-58