一种多尺度蛇形卷积约束YOLOv8的地表裂缝实例分割方法技术

本发明专利技术公开了一种多尺度蛇形卷积约束YOLOv8的地表裂缝实例分割方法：首先，以煤矿开采区为例，构建地表采动裂缝标注数据集；其次，针对地表裂缝的形状、纹理等信息的全面分析，构建多尺度蛇形卷积约束的YOLOv8实例分割网络(MS_YOLOv8)，包括构建动态蛇形卷积空间金字塔池化(DSPP)模块和动态蛇形卷积(DSConv)引入特征提取阶段；然后，将地表裂缝训练集输入MS_YOLOv8网络，经过特征提取阶段后，利用分类损失、回归损失和分割损失函数分别对特征进行解耦和计算损失值，最后，输出地表裂缝的检测框位置、类别和框中的像素分割结果。

【技术实现步骤摘要】

本专利技术涉及深度学习图像分割领域，具体涉及一种多尺度蛇形卷积约束yolov8的地表裂缝实例分割方法。

技术介绍

1、地表裂缝的检测任务主要有三种方法：(1)人工检测法，通过现场测绘或解读影像来检测裂缝，该方法耗费大量的时间和人力成本，效率低下，且易出现误判和遗漏问题；(2)图像处理法，包括边缘检测、区域生长、纹理分析和机器学习等，通过对图像进行预处理、特征提取和分类等步骤来识别裂缝，该方法对几何形态和纹理复杂的裂缝检测难度大，识别结果的鲁棒性低；(3)基于深度学习的目标检测法，通过训练海量样本实现裂缝自动识别，该方法对于复杂环境下的大量地表裂缝目标具有较好的分割精度。

2、目前，基于深度学习的裂缝分割方法在单一背景下的裂缝分割方面效果显著，如道路和墙壁上的裂缝分割，但对复杂大场景的裂缝分割存在一定的挑战，主要原因为：(1)不同地区的地质环境存在差异，导致地表裂缝特征存在差异，需对分割算法进行针对性调整和优化；(2)自然场景的地表裂缝往往呈现出多尺度和多方向的特性，对分割算法的鲁棒性和处理能力提出了更高的要求；(3)遥感图像中可能存在噪声、遮挡本文档来自技高网...

【技术保护点】

1.一种多尺度蛇形卷积约束YOLOv8的地表裂缝实例分割方法，其特征在于，包括如下内容：

2.根据权利要求1所述的构建UAV高分辨率影像地表裂缝标注数据集，进行数据预处理，按照比例将所述数据集划分为训练集、验证集和测试集，其特征在于，包含如下步骤：

3.根据权利要求1所述的根据权利要求1所述的构建多尺度蛇形卷积约束的YOLOv8实例分割网络(MS_YOLOv8)，包括：构建动态蛇形卷积金字塔池化(DSPP)模块和动态蛇形卷积(DSConv)引入特征提取阶段；其中DSConv特征聚合(DSFA)模块代替原来C2f模块中Bottleneck结构的普通卷积，构建C2f_...

【技术特征摘要】

1.一种多尺度蛇形卷积约束yolov8的地表裂缝实例分割方法，其特征在于，包括如下内容：

2.根据权利要求1所述的构建uav高分辨率影像地表裂缝标注数据集，进行数据预处理，按照比例将所述数据集划分为训练集、验证集和测试集，其特征在于，包含如下步骤：

3.根据权利要求1所述的根据权利要求1所述的构建多尺度蛇形卷积约束的yolov8实例分割网络(ms_yolov8)，包括：构建动态蛇形卷积金字塔池化(dspp)模块和动态蛇形卷积(dsconv)引入特征提取阶段；其中dsconv特...

【专利技术属性】
技术研发人员：任辰锋，高军，许志华，董彬，刘生优，张瑞玲，高虎，林云浩，张振鑫，杨可明，孙超，江昊，
申请(专利权)人：国能亿利能源有限责任公司黄玉川煤矿，
类型：发明
国别省市：