-
题名基于YOLOv5的无人机桥面病害检测算法研究
- 1
-
-
作者
戴鹏飞
邹京汕
杨柳
刘恒
阴慧颖
-
机构
南京工业大学
中铁桥隧技术有限公司
西南交通大学信息科学与技术学院
西南交通大学综合交通大数据应用技术国家工程实验室
西南交通大学唐山研究院
-
出处
《现代电子技术》
北大核心
2025年第16期7-12,共6页
-
文摘
桥梁病害(如混凝土剥落、桥梁裂纹、铆钉锈蚀等)大多发生在局部区域,而目前对桥梁病害的检测通常没有实现病害在全桥的定位。结合无人机的高清摄像功能和YOLOv5的实时目标检测能力,可以实现对桥面病害的全场快速定位和检测。为此,提出一种基于YOLOv5的无人机桥面病害检测算法。采用无人机对桥梁路面进行数据采集,将轻量化模型YOLOv5s作为基础检测模型,并对YOLOv5s模型做如下改进:在模型现有的3个不同尺度特征图检测的基础上额外增加2个尺度,提高较大目标和较小目标的检测准确性;采用Soft-NMS算法替代NMS算法,同时为保证密集病害检测的全场快速定位和检测精度,将采集到的桥梁路面数据输入到改进YOLOv5s模型中,该模型输出即为桥面病害检测结果。实验结果表明,经过优化的YOLOv5s模型的mAP@0.5值达到了92.0%,mAP@0.5:0.95值也达到了73.2%。此外,该模型处理速度达到134 f/s,高效准确地识别了桥梁路面病害,显著提升了检测的精准性和效率。
-
关键词
桥面病害检测
YOLOv5
无人机
图像采集
多尺度检测
特征融合
-
Keywords
bridge deck disease detection
YOLOv5
unmanned aerial vehicle
image collection
multi-scale detection
feature fusion
-
分类号
TN911.23-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
