基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，本发明专利技术涉及高速公路桥梁裂缝和锈痕检测方法。本发明专利技术的目的是为了解决现有YOLO方法对高速公路桥梁裂缝和锈痕检测精度和准确度低的问题。过程为：一、构建改进YOLOv5网络模型：确定改进YOLOv5网络模型的损失函数；二、采集用于改进YOLOv5网络模型训练的训练集数据，并对训练集数据进行标注，获得标注后的训练集数据；三、对标注后的训练集数据进行预处理；四、将预处理后的训练集数据信息输入至改进YOLOv5模型中进行训练，利用训练好的改进YOLOv5模型对测试集进行检测。本发明专利技术用于桥梁损毁识别技术领域。
【技术实现步骤摘要】
本专利技术涉及桥梁损毁识别，本专利技术具体涉及高速公路桥梁裂缝和锈痕检测方法。
技术介绍
1、截至2022年底，我国公路总里程达到535万公里，其中高速公路通车里程17.7万公里。随着高速公路里程的不断增多，天桥和桥涵的数量也在逐步增加，然而桥梁的建造大多都是钢筋和混凝土，会随着雨雪的侵蚀而产生裂缝和锈痕。裂缝和锈痕可能导致桥梁结构的强度减弱，从而影响其承载能力，随着时间的推移，这些缺陷可能会导致桥梁结构的进一步破坏和崩溃风险的增加。如果裂缝和锈痕对桥梁结构造成了严重的安全隐患，可能需要关闭桥梁或限制交通，特别是对于重要的交通枢纽桥梁，事故可能对整个交通网络产生重大影响。
2、目前对于天桥和桥涵的损毁检测工作基本采用人工查看的方法，该方法需要工作人员开车绕行到达天桥和桥涵外侧指定位置进行检查，不仅耗时费力，而且无法保证检测的及时性，增加了检测人员的安全隐患。与此同时，由于目前关于公路设施的养护管理系统还不够完善，缺乏更加自动化的管理手段，使得我国高速公路天桥和桥涵这类安全设施的损毁检测工作长期限制在较低水平的状态。
3、无人机可以利用图像处理技术对指定目标进行智能检测，并且基于无人机对桥梁所存在的损毁进行自动检测可以节省人力资源、节约人工绕行的成本。目前在目标检测领域基于深度学习有rcnn、ssd、yolo等方法，其中yolo的应用最为广泛，通过修改其注意力机制和损失函数则能够弥补其在小目标检测中的精度和准确度不足等问题。于是提出一种基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法。
/>技术实现思路
1、本专利技术的目的是为了解决现有yolo方法对高速公路桥梁裂缝和锈痕检测精度和准确度低的问题，而提出基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法。
2、基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法具体过程为：
3、步骤一、构建改进yolov5网络模型：
4、确定改进yolov5网络模型的损失函数；
5、步骤二、采集用于改进yolov5网络模型训练的训练集数据，并对训练集数据进行标注，获得标注后的训练集数据；
6、步骤三、对步骤二标注后的训练集数据进行预处理；
7、步骤四、将步骤三预处理后的训练集数据信息输入至步骤一的改进yolov5模型中进行训练，获得训练好的改进yolov5模型，利用训练好的改进yolov5模型对测试集进行检测。
8、本专利技术的有益效果为：
9、本专利技术提供一种基于改进yolov5算法(改进yolov5网络模型)的高速公路桥梁裂缝和锈痕检测方法，通过加入的simam注意力机制、替换的损失度量方法nwd，得到改进后的yolov5算法；并将获取的图像与标签信息输入至改进yolov5网络模型中训练识别桥梁损毁，使其在识别裂缝和锈痕时具有更高的精确度和准确度，具有更快的收敛速度，从而节省人力资源与成本。
10、本专利技术提出的一种基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法，针对于裂缝和锈痕这类和桥梁整体相比微小的目标，通过修改注意力机制和损失函数，有效提升了识别的速度和准确率，对于yolov5在桥梁损毁领域的应用具有重要意义；
11、本专利技术可以应用于高速公路执法中对于高速公路路侧桥梁损毁的巡检，并且可以在后续的其他执法领域中如高速公路路况的巡检、突发事件的识别及预警以及事故取证勘察等进行推广，为无人机在执法领域大面积应用的推广、普及以及规范化使用奠定基础。
本文档来自技高网...
【技术保护点】
1.基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述步骤一中构建改进YOLOv5网络模型；具体过程为：
3.根据权利要求2所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述改进YOLOv5网络模型包括：骨干网络模块、Neck模块、检测头；
4.根据权利要求3所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述第一CBS、第二CBS、第三CBS、第四CBS、第五CBS、第六CBS、第七CBS、第八CBS、第九CBS中每个CBS依次包括：Conv、BN、SiLU激活函数；
5.根据权利要求4所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：
6.根据权利要求5所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述SPPF包括：CBS、Maxpool、Concat；
7.根据权利要求6所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述步骤一中确定改进YOLOv5网络模型的损失函数；具体过程为：
8.根据权利要求7所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述步骤二中采集用于改进YOLOv5网络模型训练的训练集数据，并对训练集数据进行标注，获得标注后的训练集数据；具体过程为：
9.根据权利要求8所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述步骤三中对步骤二标注后的训练集数据进行预处理，获得预处理后的训练集数据；具体过程为：
10.根据权利要求9所述的基于改进YOLOv5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述步骤四中将步骤三预处理后的训练集数据信息输入至步骤一改进后的YOLOv5模型中进行训练，获得训练好的改进YOLOv5模型，利用训练好的改进YOLOv5模型对测试集进行检测；具体过程为：
...
【技术特征摘要】
1.基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述步骤一中构建改进yolov5网络模型；具体过程为：
3.根据权利要求2所述的基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述改进yolov5网络模型包括：骨干网络模块、neck模块、检测头；
4.根据权利要求3所述的基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述第一cbs、第二cbs、第三cbs、第四cbs、第五cbs、第六cbs、第七cbs、第八cbs、第九cbs中每个cbs依次包括：conv、bn、silu激活函数；
5.根据权利要求4所述的基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：
6.根据权利要求5所述的基于改进yolov5算法的高速公路桥梁裂缝和锈痕检测方法，其特征在于：所述sppf包...
【专利技术属性】
技术研发人员：王琳虹，刘子昱，张枭雄，肖振鹏，鹿应佳，刘若川，张宇恒，黄桂树，李文佳，孙舒航，
申请(专利权)人：吉林大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。