10.19782/j.cnki.1674-0610.2021.05.012
基于改进YOLO算法的混凝土表观病害识别方法
为解决从无人机拍摄图片中自动快速识别7类混凝土表观病害的问题,提出了基于深度学习的自动识别和分类方法.在You Only Look Once(YOLO)深度学习网络基础上引入迁移学习策略,通过类似图像集的特征提取减少深度学习算法对目标图像集训练样本数量的要求;利用仿射变化数据增加技术在不改变训练样本数量前提下扩充训练样本的多样性;采用拉普拉斯图像锐化增强技术强化病害轮廓细节,从而在较少训练样本样本情况下实现混凝土表观病害的快速识别和分类.将所提方法与现有常用的两种深度学习方法进行对比,计算结果表明,针对常见的混凝土表观病害类型,所提方法的病害识别、分类精度可达92%,且所用时间最短,为结合无人机和机器视觉实现混凝土表观病害的快速、自动识别提供了一种新方法.
混凝土;表观病害;深度学习算法;迁移学习;图像增强
46
U445.7(桥涵工程)
重庆市技术创新与应用发展面上项目;国家自然科学基金项目
2021-12-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
81-86,103