一种基于深度学习的轻量化桥梁表观病害检测方法技术

本发明专利技术公开了一种基于深度学习的轻量化桥梁表观病害检测方法，涉及混凝土建筑安全评估技术领域。本发明专利技术通过在YOLOv8神经网络中改进小目标检测层网络，舍弃了原检测网络的大目标检测层，同时在YOLOv8神经网络C2f层中引入LMConv卷积，降低参数量的同时增强病害特征的提取能力，提高精度；分别合并YOLOv8检测头上BBox Loss分支和Cls Loss分支上的两个卷积，并用组卷积替换，并行计算降低计算量；同时引入了Inner‑IoU，利用辅助边界框打破原有损失函数的局限性，加快网络的收敛并提升检测能力。本发明专利技术提出的方法与原有的模型相比，参数量与计算量大幅降低，并且提高了检测精度，有利于部署于算力有限的边缘计算设备进行桥梁病害检测。

【技术实现步骤摘要】

本专利技术涉及混凝土建筑安全评估，具体为一种基于深度学习的轻量化桥梁表观病害检测方法。

技术介绍

1、目前基于深度学习的桥梁病害检测主要包括裂缝、破损、露筋、麻面、空洞和水侵蚀等多种类型。这些病害不仅直接影响桥梁的使用寿命，还可能导致桥梁结构的倒塌，对交通运输和社会经济活动造成严重影响。

2、在早期的桥梁健康监测中，人工检测是其主要手段之一。工程师和技术人员通过目视检查和仪器测量的方式，对桥梁进行定期检测。然而，这种方法不仅效率极低，工作环境危险，而且容易受主观因素的影响，存在漏检和误检的可能。最重要的是，人工检测无法实现对桥梁结构的全面、连续监测，难以及时发现潜在的隐患。为了解决传统人工检测存在的问题，数字图像处理技术被引入桥梁病害检测领域。它通过使用高分辨率的数字摄像机和先进的图像处理算法，可以实现对桥梁结构的自动化、实时监测，大大提高了检测的精度。早期对结构表观病害的检测主要聚焦于混凝土结构裂缝的检测，通过图像处理算法技术，将病害数字图像进行灰度处理、二值化处理、锐化处理、图像增强、边缘检测等算法处理，将图像中的裂缝特征进行提取与分离，从本文档来自技高网...

【技术保护点】

1.一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：所述步骤一中的数据集预处理的具体过程如下：

3.根据权利要求1所述的一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：所述步骤二至少包括以下步骤：

4.根据权利要求1所述的一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：所述步骤三中的LMConv获取过程如下：

5.根据权利要求1所述的一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：所述步骤四的具体推论...

【技术特征摘要】

1.一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：至少包括以下步骤：

2.根据权利要求1所述的一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：所述步骤一中的数据集预处理的具体过程如下：

3.根据权利要求1所述的一种基于深度学习的轻量化桥梁表观病害检测方法，其特征在于：所述步骤二至少包括以下步骤：

4.根据权利要求1所述的一种基于深度...

【专利技术属性】
技术研发人员：张廷萍，杜屏羲，熊元俊，蒋仕新，黄雪梅，
申请(专利权)人：重庆交通大学，
类型：发明
国别省市：