一种基于改进Yolov8s模型的桥梁病害检测系统及方法技术方案

本发明专利技术涉及一种基于改进Yolov8s模型的检测系统及方法，属于桥梁病害检测技术领域。本发明专利技术旨在解决桥梁病害检测中的准确性和效率问题。包括Backbone部分：以Yolov8s模型为基础，将骨干网络的第二卷积层替换为ODConv，CBAM融合到前两个C2F架构中；ODConv包括四个分支，四个分支包括空间位置、输入通道、输出通道和卷积核权重；CBAM包括通道注意力模块和空间注意力模块；Neck部分：采用CARAFE；CARAFE包括两个主要模块，两个主要模块分别是上采样核预测模块和特征重组模块。本发明专利技术避免主观、环境影响，提高桥梁病害检测中的准确性和效率，在处理复杂和多样性的桥梁病害图像方面显示出显著的优势。

【技术实现步骤摘要】

本专利技术涉及一种基于改进yolov8s模型的检测装置及方法，属于桥梁病害检测。

技术介绍

1、随着全球工业化进程的加深，基础设施老化成为全球关注的问题。在中国约40％的桥梁服役超20年，超10万座为危桥。这些桥梁因环境侵蚀、施工缺陷等因素逐渐退化，出现裂缝、剥落等病害，对经济和安全造成威胁。因此，桥梁结构检测成为桥梁运维的核心任务。

2、目前，桥梁病害主要通过人工目测和仪器测量进行检测，但这些方法主观性强，易受环境影响，导致误检和漏检。为解决此问题，提出基于数字图像处理的检测方法，如使用无人机获取图像，再通过阈值分割和边缘检测等技术进行特征提取和缺陷检测。尽管这些方法在特定环境下有效，但依赖于手动参数设置和繁琐的预处理步骤，缺乏鲁棒性，难以实现端到端的缺陷识别。

3、近年来，深度学习在检测领域取得显著进展，如基于区域卷积神经网络的双阶段算法(例如fast r-cnn、faster r-cnn)和基于ssd、yolo的单阶段算法。双阶段算法虽精度高，但过程复杂，限制了现场检测效率。单阶段算法提高了效率，但在特征提取和判断上有所不足。本文档来自技高网...

【技术保护点】

1.一种基于改进Yolov8s模型的桥梁病害检测系统，其特征在于：包括Backbone部分和Neck部分；

2.一种基于改进Yolov8s模型的桥梁病害检测方法，其特征在于：采用权利要求1所述的一种基于改进Yolov8s模型的桥梁病害检测系统，包括以下步骤：

3.根据权利要求2所述的一种基于改进Yolov8s模型的桥梁病害检测方法，其特征在于：步骤一中，采用高清相机从不同角度、不同时间段对桥梁结构进行现场图像采集，得到桥梁病害图像。

4.根据权利要求2所述的一种基于改进Yolov8s模型的桥梁病害检测方法，其特征在于：步骤二中，采用labelme图像标...

【技术特征摘要】

1.一种基于改进yolov8s模型的桥梁病害检测系统，其特征在于：包括backbone部分和neck部分；

2.一种基于改进yolov8s模型的桥梁病害检测方法，其特征在于：采用权利要求1所述的一种基于改进yolov8s模型的桥梁病害检测系统，包括以下步骤：

3.根据权利要求2所述的一种基于改进yolov8s模型的桥梁病害检测方法，其特征在于：步骤一中，采用高清相机从不同角度、不同时间段对桥梁结构进行现场图像采集，得到桥梁病害图像。

4.根据权利要求2所述的一种基于改进yolov8s模型的桥梁病害检测方法，其特征在于：步骤二中，采用labelme图像标注工具，对桥梁病害图像中的病害目标进行标注，包括：标注病害中心点的坐标(x,y)和标注框的宽w、高h；

5.根据权利要求2所述的一种基于改进yolov8s模型的桥梁病害检测方法，其特征在于：步骤三中，使用随机裁剪、随机拼接、随机旋转以及粘贴图像至coco数据集方法，对桥梁病害识别数据集进行数据增强。

6.根据权利要求4所述的一种基于改进yolov8s模型的桥梁病害检测方法，其特征在于：步骤四中，应用全局平均池化将输入特征x转换为压缩的...

【专利技术属性】
技术研发人员：徐文远，李响，纪泳丞，李帅，
申请(专利权)人：东北林业大学，
类型：发明
国别省市：