-
题名基于改进YOLOX的地下排水管道缺陷识别算法
被引量：13
- 1
-
-
作者
陆绮荣
丁昕
梁雅雯
-
机构
桂林理工大学信息科学与工程学院
广西“嵌入式技术与智能系统”重点实验室
-
出处
《电子测量技术》
北大核心
2022年第21期161-168,共8页
-
基金
国家自然科学基金(62166012)。
-
文摘
CCTV检测技术在地下排水管道缺陷检测被广泛应用,但CCTV收集的缺陷图像需要依赖专业的检测人员进行检测识别,结果具有一定主观性且耗费大量时间。为了实现地下排水管道缺陷检测识别自动化,提出了一种基于改进YOLOX的地下排水管道缺陷识别方法。首先针对数据集过少的问题,通过StyleGAN2对原始图像进行预处理,生成多缺陷图像。其次,为了提高检测精度,对YOLOX的特征融合层进行改进,借鉴空洞空间卷积池化金字塔思想并引入SE注意力机制解决顶层特征仅包含单尺度特征且不与其它特征图进行融合的问题,同时设计了一种基于权重的特征融合模块,解决不同特征层融合带来的特征混叠问题。最后,将YOLOX边界损失函数改为CIOU,提高目标检测框回归的效率。实验结果表明,所提的算法能够很好对沉积、渗漏、树根入侵、裂缝和错口5种缺陷进行识别,mAP达到68.76%,相比原始YOLOX算法提升了1.62%。
-
关键词
地下排水管道
YOLOX
缺陷识别
StyleGAN2
特征融合
目标检测
-
Keywords
underground drainage pipe
YOLOX
defect recognition
StyleGAN2
feature fusion
object detection
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
