期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进YOLOv7和SeaFormer的桥梁裂缝识别与测量
1
作者 杨国俊 齐亚辉 +1 位作者 杜永峰 石秀名 《铁道科学与工程学报》 北大核心 2025年第1期429-442,共14页
为解决以往桥梁裂缝检测模型参数量大、检测效率低、延迟高,无人机采集图像质量不佳等问题,引入图像质量评价模型和SeaFormer轻量化语义分割算法,通过改进YOLOv7目标检测算法,训练并建立基于改进的YOLOv7和SeaFormer的桥梁裂缝识别与分... 为解决以往桥梁裂缝检测模型参数量大、检测效率低、延迟高,无人机采集图像质量不佳等问题,引入图像质量评价模型和SeaFormer轻量化语义分割算法,通过改进YOLOv7目标检测算法,训练并建立基于改进的YOLOv7和SeaFormer的桥梁裂缝识别与分割一体化模型,提出基于内切圆的裂缝长度与宽度像素级计算方法。同时,采用先识别,然后将裂缝识别目标框图像作为分割模型的输入图像进行分割,再将分割图像进行处理并按照目标框位置信息映射回原图的方案,大大提高了裂缝的检测效率;利用本文质量评估模型筛选并标注公开混凝土桥梁裂缝图像,作为本文模型数据集。通过在此数据集上与主流模型进行训练测试对比,证明了本文算法在精度、轻量化等方面的优势。然后利用大疆精灵4pro-v2.0无人机在距离待测面3m处采集结构裂缝图像进行精度验证,裂缝宽度检测相对误差在18%以内,裂缝长度检测相对误差在10%以内。另外,在加入兰州市中山桥桥墩裂缝图像的混合测试集中,裂缝识别定位精准度达91.38%,F1分数88.94%,召回率86.62%;裂缝分割准确度为93.66%,交并比90.17%。研究结果表明:基于改进YOLOv7和SeaFormer的一体化桥梁裂缝检测方法在兼顾检测速度与精度的情况下,模型更小、检测效率更高,更适用于搭载在无人机等移动设备进行桥梁、高塔等结构的裂缝检测。 展开更多
关键词 桥梁工程 裂缝检测 无人机 深度学习 轻型多层感知模块 YOLOv7模型 SeaFormer模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部