【技术实现步骤摘要】
本申请涉及单层钢筋下钢筋节点检测，具体涉及一种基于改进yolov8的钢筋绑扎点检测方法。
技术介绍
1、在建筑工程领域，钢筋绑扎点的质量检测是混凝土结构施工的关键环节，直接影响建筑物的安全性与耐久性。传统检测方法依赖人工目视检查，存在效率低、漏检率高、主观性强等问题。
2、近年来，基于深度学习的目标检测技术（如yolo系列算法）因其高效性被引入该领域，其中yolov8作为最新版本，在通用目标检测任务中表现优异。然而，在钢筋绑扎点这一特定场景下，yolov8存在以下局限性：
3、局部细节建模能力不足：钢筋交叉点通常为小尺度目标（直径约5-10像素），且与背景（如木模板、混凝土残渣）纹理相似。yolov8原生c2f模块的特征提取方式难以有效区分此类细微差异，导致小目标漏检率高；
4、多尺度特征融合低效：传统单向特征金字塔网络（pan）仅通过自顶向下路径融合特征，在钢筋密集排布场景下，跨尺度目标检测精度下降显著；
5、检测头任务耦合度高：分类与回归任务共享对称式检测头，导致两类任务的特征表达相互...
【技术保护点】
1.一种基于改进YOLOv8的钢筋绑扎点检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进YOLOv8的钢筋绑扎点检测方法，其特征在于：所述对所述施工现场图像进行预处理，包括以下步骤：
3.根据权利要求1所述的基于改进YOLOv8的钢筋绑扎点检测方法，其特征在于：所述局部空间注意力计算，包括以下步骤：
4.根据权利要求1所述的基于改进YOLOv8的钢筋绑扎点检测方法，其特征在于：所述回归分支通过深度可分离卷积与概率分布预测层输出坐标定位，包括以下步骤：
5.根据权利要求4所述的基于改进YOLOv8的钢...
【技术特征摘要】
1.一种基于改进yolov8的钢筋绑扎点检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进yolov8的钢筋绑扎点检测方法，其特征在于：所述对所述施工现场图像进行预处理，包括以下步骤：
3.根据权利要求1所述的基于改进yolov8的钢筋绑扎点检测方法，其特征在于：所述局部空间注意力计算，包括以下步骤：
4.根据权利要求1所述的基于改进yolov8的钢筋绑扎点检测方法，其特征在于：所述回归分支通过深度可分离卷积与概率分布预测层输出坐标定位，包括以下步骤：
5.根据权利要求4所述的基于改进yolov8的钢筋绑扎点检测方法，其特征在于：所述通过所述概率分布预测层将所述第二特征图内的边界框坐标建模为离散概率分布，包括以下步骤：
6.根据权利要求1所述的基于改进yolov8的钢筋绑扎点检测方法，其特征在于：所述轻量化残差单元包括两个串联的1×1卷积层，中间插入批量归一化层及...
【专利技术属性】
技术研发人员：王同康，乔文涛，张隆，肖文程，马萌洋，张国文，邵俊文，史占宽，
申请(专利权)人：河北比智智能科技有限公司，
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。