基于改进YOLOv5模型的智能立体车库结构裂缝识别算法研究  

作　　者：赵怡豪 刘勇 岳仁峰 孔令鑫 

机构地区：[1]齐鲁工业大学 [2]山东爱普电气设备有限公司济南高新分公司 [3]国网山东济南市历城区供电公司 [4]山东电工电气集团有限公司

出　　处：《信息系统工程》2024年第3期134-137,共4页

基　　金：济南市科技计划(后补助)项目社会民生专项(项目编号:202131009)。

摘　　要：针对立体车库中明暗变化显著、目标尺寸差异大等现象导致的裂缝识别准确度不高的问题,提出了一种基于改进YOLOv5网络的识别算法模型。该模型通过优化特征提取层和增加注意力机制,提高了对不同尺寸目标的识别能力,通过改进的特征融合层结构和检测层输出框尺寸,提升了识别精度。在立体车库结构裂缝数据集上的试验验证表明,该网络收敛速度快,在目标识别率和图像识别准确率方面都有所提升,识别精度高达95.4%,实现了立体车库结构裂缝的精准检测和定位,为高速、高精度的结构裂缝检测提供了理论基础,具有工程应用价值。

关 键 词：裂缝检测 YOLOv5 深度学习 目标识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] U491.71[自动化与计算机技术—计算机科学与技术]