【技术实现步骤摘要】
本专利技术涉及混凝土裂缝检测，具体为一种基于yolov5算法的混凝土裂缝检测方法及系统。
技术介绍
1、yolov5是目前较为新颖的用于图像识别的深度学习网络，目前已经开始在路桥、建筑的混凝土裂隙检测中进行使用，比传统的超声波检测、声发射检测、光纤传感检测等方法具有更高的客观性和可靠性。
2、现有技术中的，公开号为cn115223060a公开了一种基于改进yolov5神经网络与无人机视频结合的裂缝快速检测方法，通过现有的混凝土裂缝图像对yolov5模型进行训练，并采集待检测点的图像输入到训练好的yolov5模型内进行识别。这种方法虽然能实现对裂缝的检测，但图像中的干扰因素很多，yolov5模型的检测量也更大，不仅降低了检测的速度，还容易造成误判。而在图像的干扰因素中，水渍是与裂缝最相像，且出现概率最高的一种，若是直接将图像输入到yolov5模型中进行检测，需要花费大量的计算资源来对二者进行区别，因此，需要提供一种能够在输入yolov5模型之前，提前将图像中水渍的干扰因素进行排除的方法，使得yolov5模型能够以更快、更精确的...
【技术保护点】
1.一种基于YOLOv5算法的混凝土裂缝检测方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于YOLOv5算法的混凝土裂缝检测方法，其特征在于：将所述训练集和验证集分别标定为Wx、Wy，训练集中的水渍组和裂缝组分别标定为下标i、p分别表示水渍组和裂缝组中的图片编号，上标j表示季节编号。
3.根据权利要求2所述的一种基于YOLOv5算法的混凝土裂缝检测方法，其特征在于：所述步骤S3中图像筛选模型的工作逻辑为；
4.根据权利要求3所述的一种基于YOLOv5算法的混凝土裂缝检测方法，其特征在于：所述闭合区域的生成逻辑为：<...
【技术特征摘要】
1.一种基于yolov5算法的混凝土裂缝检测方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于yolov5算法的混凝土裂缝检测方法，其特征在于：将所述训练集和验证集分别标定为wx、wy，训练集中的水渍组和裂缝组分别标定为下标i、p分别表示水渍组和裂缝组中的图片编号，上标j表示季节编号。
3.根据权利要求2所述的一种基于yolov5算法的混凝土裂缝检测方法，其特征在于：所述步骤s3中图像筛选模型的工作逻辑为；
4.根据权利要求3所述的一种基于yolov5算法的混凝土裂缝检测方法，其特征在于：所述闭合区域的生成逻辑为：
5.根据权利要求4所述的一种基于yolov5算法的混凝土裂缝检测方法，其特征在于：对图像筛选模型进行训练的方法为：
6.根据权利要求5所述的一种基于yolov5算法的混凝土裂缝检测方法，其特征在于：不同季节下水渍和裂缝生成的闭合区域bq的变量系数计算方式为：
...
【专利技术属性】
技术研发人员：吴建兵，蔡宝坤，王茂林，
申请(专利权)人：中国电建集团华东勘测设计研究院有限公司，
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。