预制混凝土裂缝检测模型、方法、系统和可读介质技术方案

本发明专利技术涉及预制混凝土表面检测和计算机技术领域，尤其是一种预制混凝土裂缝检测模型、方法、系统和可读介质。本发明专利技术提出的预制混凝土裂缝检测模型的训练方法，首先优化YOLOv5模型，再进行机器学习。本发明专利技术中，设置LW模块进行三路数据拼接，其中一路为LW模块输入的数据，其参与拼接，保留了较大的特征图，有利于小目标检测；另一路为LW模块输入的数据进行平均池化和最大池化后维度叠加的数据，平均池化有利于提取总体特征，最大池化有利于提取最突出特征，两者结合保证了对数据的特征提取的全面，有利于提高检测精度。

【技术实现步骤摘要】

本专利技术涉及预制混凝土表面检测和计算机，尤其是一种预制混凝土裂缝检测模型、方法、系统和可读介质。

技术介绍

1、质量控制在产品生产中的意义日趋显著，产品的表面缺陷影响其质量。建筑建设成本很大一部分用于因材料缺陷而导致的返工。裂缝缺陷是一种十分常见的预制构件表面缺陷类型，准确地进行裂缝缺陷检测对于提高产品质量和降低建设成本具有非常重要的作用。

2、目前检测评估预制构件质量主要有人工识别检测法、基于图像处理算法检测方法以及深度学习方法。其中，传统的人工检测方法，该方法抽检率低、检测准确度受人工经验和疲劳程度等主观因素的影响大、劳动强度大、检测效率低和实时性差。图像处理算法检测方法，主要是针对同一材质和纹理背景图像进行裂缝检测，且目前尚无法对彩色图像直接进行裂缝检测。现有的深度学习算法检测方法，一般是将待检测图像直接压缩到较小尺寸，以满足神经网络输入要求，再送入提前训练好的神经网络模型中进行检测，得出预测结果，此类算法在处理高分辨率的裂缝图像时，会因过度的压缩会导致图像失真，有较高的误检率。

技术实现思路

本文档来自技高网...

【技术保护点】

1.一种预制混凝土裂缝检测模型的训练方法，其特征在于，包括以下步骤：

2.如权利要求1所述的预制混凝土裂缝检测模型的训练方法，其特征在于，LW模块包括平均池化层、最大池化层、维度叠加单元和第五Concat单元；第五Concat单元设有三个输入端；LW模块设有两个输入端；令YOLOv5模型中Upsample单元和Concat单元组合模块中，Upsample单元的输入端记作所述组合模块的第一输入端，Concat单元连接第二C3模块的输入端记作所述组合模块的第二输入端；LW模块的第一输入端取代所述组合模块的第一输入端，LW模块的第二输入端取代所述组合模块的第二输入端；

...

【技术特征摘要】

1.一种预制混凝土裂缝检测模型的训练方法，其特征在于，包括以下步骤：

2.如权利要求1所述的预制混凝土裂缝检测模型的训练方法，其特征在于，lw模块包括平均池化层、最大池化层、维度叠加单元和第五concat单元；第五concat单元设有三个输入端；lw模块设有两个输入端；令yolov5模型中upsample单元和concat单元组合模块中，upsample单元的输入端记作所述组合模块的第一输入端，concat单元连接第二c3模块的输入端记作所述组合模块的第二输入端；lw模块的第一输入端取代所述组合模块的第一输入端，lw模块的第二输入端取代所述组合模块的第二输入端；

3.如权利要求1所述的预制混凝土裂缝检测模型的训练方法，其特征在于，令yolov5模型中，相同结构的模块沿着数据流转方向顺序命名；基础模型在yolov5模型的基础上，还将数据流通方向上的第一c3模块和第四c3模块均替换为mmt模块，mmt模块包括顺序连接的bottleneck单元、multiattencat单元和第十conv单元；mmt模块的输入端分别连接bottleneck单元的输入端和multiattencat单元的输入端，第十conv单元的输出端作为mmt模块的输出端。

4.如权利要求3所述的预制混凝土裂缝检测模型的训练方法，其特征在于，...

【专利技术属性】
技术研发人员：蒋庆，梁雨，周满旭，李赛，叶冠廷，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：