基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术

摘要

传统以人工为主的桥梁表观病害识别方式存在着效率低下、风险高等问题,已不能满足当今桥梁检测任务的要求。针对上述问题,本研究结合目标检测与语义分割技术,提出了一套桥梁表观病害智能识别算法,完成了桥梁病害的智能识别与尺寸计算任务。研究中通过多种手段收集桥梁病害图像,构建桥梁表观病害目标检测数据集和语义分割数据集;训练了YOLOv5病害识别及定位网络和DeepLabv3+病害区域提取网络;对病害区域提取结果进行噪点去除、毛刺剔除、裂缝体分解等预处理后,采用邻域划分和正交骨架实现了病害长、宽尺寸的计算,并在桥梁实拍病害图像上进行了算法测试。本研究开发的病害识别技术实现了桥梁表观病害高效率、高精度的自动识别和尺寸计算,提升了桥梁检测的工作效率和安全性。展开▼

相关知识

基于深度学习的花卉检测与识别系统（YOLOv5清新界面版，Python代码）
机器视觉识别棉花病害中的形态特征提取
基于粗糙集和BP神经网络的棉花病害识别
基于python编程的五种鲜花识别
AI助力智慧农田作物病虫害监测，基于YOLOv5全系列【n/s/m/l/x】参数模型开发构建花田作物种植场景下棉花作物常见病虫害检测识别系统
基于深度学习的花卉识别系统开发
基于计算机视觉的花卉叶部病害识别方法研究
基于Android系统的花卉识别APP界面设计与实现
害虫、益虫和西瓜芯
基于卷积神经网络的菊花花型和品种识别

网址: 基于YOLOv5和DeepLabv3+的桥梁结构病害智能识别技术 https://www.huajiangbk.com/newsview116842.html