申请/专利权人：西南林业大学

申请日：2024-03-13

公开（公告）日：2024-06-07

公开（公告）号：CN117876383B

主分类号：G06T7/00

分类号：G06T7/00;G06N3/0464;G06N3/084;G06T7/73;G06V10/44;G06V10/52;G06V10/764;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#授权;2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本申请公开了一种基于yolov5l的公路表面条状裂缝检测方法，涉及图像识别领域，该方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝，所以，有效解决了相关技术中对裂缝的形状和类型有一定的假设和限制，同时需要处理图像中的噪声、阴影、纹理等干扰因素，导致表面裂缝识别的通用性以及准确性不佳的技术问题，实现了提高表面裂缝特征提取精度，统一表面病害检测标准的技术效果。

主权项：1.一种基于yolov5l的公路表面条状裂缝检测方法，其特征在于，所述基于yolov5l的公路表面条状裂缝检测方法包括：基于表面裂缝图像构建表面条状裂缝样本集；基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型；基于所述裂缝检测模型对采集到的表面图像进行检测，确定所述表面图像中的目标裂缝；所述基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型的步骤之前，包括：构建改进型卷积模块；基于所述改进型卷积模块替换所述预设网络中的第二目标模块，确定替换模块；基于所述替换模块替换所述预设网络中第一预设编号的第一目标模块；基于所述改进型卷积模块替换所述预设网络中第二预设编号的所述第二目标模块，以生成改进后的所述预设网络；所述基于表面裂缝图像构建表面条状裂缝样本集的步骤包括：确定所述表面裂缝图像对应的灰度图；基于亮度均衡的图像阈值对所述灰度图进行匀光处理；对处理后的所述灰度图进行标注，构建所述表面条状裂缝样本集；所述构建改进型卷积模块的步骤包括：基于卷积核、批量归一化层、组归一化层以及激活函数构建预设卷积模块；基于x轴方向的第一预设卷积模块以及y轴方向的第二预设卷积模块构建所述改进型卷积模块；所述基于卷积核、批量归一化层、组归一化层以及激活函数构建预设卷积模块的步骤包括：获取用于学习形变偏移量的第一卷积核；获取用于归一化偏移量的所述批量归一化层；获取用于归一化输出特征的所述组归一化层；以硅化线性整流单元作为所述激活函数；基于所述卷积核、所述批量归一化层、所述组归一化层以及所述激活函数构建所述预设卷积模块；所述基于所述表面条状裂缝样本集对预设网络进行训练，获取裂缝检测模型的步骤包括：确定训练参数，其中所述训练参数包括批量大小、学习率、检测类别数和最大迭代次数；将所述表面条状裂缝样本集输入至所述预设网络，基于损失函数和反向传播对梯度进行计算，以实时更新梯度；当达到所述最大迭代次数时，基于迭代结果确定所述裂缝检测模型；所述将所述表面条状裂缝样本集输入至所述预设网络，基于损失函数和反向传播对梯度进行计算，以实时更新梯度的步骤包括：基于所述表面条状裂缝样本集和所述预设网络的主干部分，确定预设尺度的特征图；基于所述特征图和所述预设网络的中间部分确定张量数据；将所述张量数据输入至所述预设网络的输出部分，并结合所述损失函数和所述反向传播对所述梯度进行计算，以实时更新所述梯度。

全文数据：

权利要求：

百度查询： 西南林业大学 一种基于yolov5l的公路表面条状裂缝检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD