一种基于改进YOLOv5s的轻量化隧道裂缝检测方法技术

本发明专利技术涉及隧道裂缝检测技术领域，提供了一种基于改进YOLOv5s的轻量化隧道裂缝检测方法，属于数字图像处理技术领域。本发明专利技术采用改进的倒残差IntertedR模块与Conv结构结合，构成改进YOLOv5s网络模型的主干网络，大大降低了参数量和计算量，实现了改进YOLOv5s网络模型的轻量化设计；同时，为了改善倒残差结构中由于卷积核失活导致的精度下降问题，本发明专利技术提供的倒残差IntertedR模块，通过增大卷积核来扩大感受野，从而在激活函数的非线性激活作用下使得输出不易趋近0。本发明专利技术的优选实施例还设计了损失函数Loss_ISIoU来度量预测值和实际值之间的差异，提高模型的检测性能，不仅实现了改进YOLOv5s网络模型的轻量化，还提高了隧道裂缝检测的准确率。

【技术实现步骤摘要】

本专利技术涉及隧道裂缝检测，尤其涉及一种基于改进yolov5s的轻量化隧道裂缝检测方法。

技术介绍

1、近年来，随着经济高速增长，隧道建设的规模越来越大。由于隧道在长期的运营过程中一直承受着由于地形、地质等各种因素的影响导致隧道在建设过程乃至建成后期的使用过程中会出现不同程度的病害。其中，裂缝是隧道衬砌表面中最为常见的病害。因此，隧道病害的治理问题逐渐成为了社会关注的热点。

2、随着计算机的快速发展，图像处理算法凭借其高精度、自动化、远距离等优势逐渐被应用于裂缝的检测当中，其中，数学图像算法虽然能够快速识别裂缝，但是其识别精度受到光线明暗的严重干扰，对于隧道裂缝的识别准确度仍有待提高。而深度学习目标检测算法相对来说具有更好的泛用性，更加适合隧道衬砌裂缝的检测。深度学习模型需要在数据库基础上进行建模和训练。对于隧道裂缝图像采集，一般是采用隧道裂缝采集车，搭建相机等装置完成图像采集。但现有的用于隧道裂缝检测的模型仍然存在模型参数量大、检测速度慢或者准确率不高的问题。

技术实现思路

1、本专利技术的目的本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv5s的轻量化隧道裂缝检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于改进YOLOv5s的轻量化隧道裂缝检测方法，其特征在于，所述改进的倒残差IntertedR模块的结构包括：

3.根据权利要求1或2所述的基于改进YOLOv5s的轻量化隧道裂缝检测方法，其特征在于，所述改进的倒残差IntertedR模块对特征图进行处理时包括如下步骤：

4.根据权利要求1所述的基于改进YOLOv5s的轻量化隧道裂缝检测方法，其特征在于，标准卷积Conv模块由一个二维卷积层+一个Bn层+一个SiLU激活函数构成。

5....

【技术特征摘要】

1.一种基于改进yolov5s的轻量化隧道裂缝检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于改进yolov5s的轻量化隧道裂缝检测方法，其特征在于，所述改进的倒残差intertedr模块的结构包括：

3.根据权利要求1或2所述的基于改进yolov5s的轻量化隧道裂缝检测方法，其特征在于，所述改进的倒残差intertedr模块对特征图进行处理时包括如下步骤：

4.根据权利要求1所述的基于改进yolov5s的轻量化隧道裂缝检测方法，其特征在于，标准卷积con...

【专利技术属性】
技术研发人员：薛丹，符双，赵一飞，杨亮，韩俊岩，赵庭誉，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：