-
公开(公告)号:CN117830826A
公开(公告)日:2024-04-05
申请号:CN202311591646.7
申请日:2023-11-27
Applicant: 长江空间信息技术工程有限公司(武汉) , 长江勘测规划设计研究有限责任公司
IPC: G06V20/10 , G06V20/17 , G06V20/70 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于无人机的混凝土大坝表面细长裂缝检测方法。它包括如下步骤,步骤一:采用无人机采集大坝裂缝真实数据集;步骤二:收集网上裂缝的开源数据集;步骤三:裁剪开源图片至同等大小,并进行标注和建立训练集、测试集;步骤四:在YOLOv5融入SENet模型;步骤五:选择YOLOv5模型,完成训练任务;步骤六:将部分真实图片裁剪并标注,建立训练集、测试集;步骤七:对模型再次训练和测试,根据实际需求调整超参数;步骤八:将最终调试好的YOLOv5模型输入步骤一中的原始无人机图片,输出检测结果。本发明克服了现有技术检测准确度和检测效率低的缺点;具有提高缺陷检测精度和效率的优点。
-
公开(公告)号:CN115439763A
公开(公告)日:2022-12-06
申请号:CN202210960331.4
申请日:2022-08-11
Applicant: 长江空间信息技术工程有限公司(武汉) , 中国三峡建工(集团)有限公司 , 恩施清江大龙潭水电开发有限公司 , 国家能源集团江西电力有限公司万安水力发电厂
IPC: G06V20/17 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于YOLOv5模型的水工程表面裂缝检测方法。它包括如下步骤,步骤一:采用无人机采集水工程表面图像;步骤二:根据采集图像,进行图像增强,扩充数据集;采用图像预处理模块处理所获得的采集图像,步骤三:标注裂缝样本图像,并建立模型训练集、验证集、测试集;将这些数据集分类为YOLOv5模型的训练集、验证集、测试集;步骤四:根据应用需求,完成指定模型训练任务;利用训练集对YOLOv5模型进行训练、采用验证集对YOLOv5模型进行验证,以获得训练过程中最优的YOLOv5模型;步骤五:采用测试集进行测试,应用模型至实际工程项目中。本发明具有提高缺陷检测精度和效率的优点。
-
公开(公告)号:CN116862856A
公开(公告)日:2023-10-10
申请号:CN202310796111.7
申请日:2023-07-01
Applicant: 长江空间信息技术工程有限公司(武汉)
IPC: G06T7/00 , G06V20/17 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种基于改进的YOLOv5模型的混凝土大坝表面裂缝检测系统。它包括图像采集模块、数据集搭建模块、模型训练模块和模型调整模块;数据集搭建模块用于在模型初训练时,提供开源裂缝图像数据集,图像分辨率调节,数据集拆分功能;在模型精训练时,提供图像分块,裂缝标记,数据集拆分功能;模型训练模块包括YOLOv5模型选型、利用开源数据集的初步训练、真实数据集精训练以及保存模型的权重参数;网络模型调整模块在应用测试集图像时,用于自主调整模型超参数;在应用原始无人机图像时,用于图像裁剪和拼接。本发明具有提高裂缝检测自动化以及准确率的优点。本发明还公开了基于改进的YOLOv5模型的混凝土大坝表面裂缝检测系统的检测方法。
-
-