[口头报告]基于迁移学习和改进YOLOv8的密布钢筋区域空洞检测方法

基于迁移学习和改进YOLOv8的密布钢筋区域空洞检测方法
编号:159 访问权限:仅限参会人 更新:2024-10-16 17:48:43 浏览:118次 口头报告

报告开始:2024年10月20日 15:20 (Asia/Shanghai)

报告时间:10min

所在会议:[S12] 分论坛十二、研究生科技论坛Ⅱ » [S12-2] 分论坛十二下午场

暂无文件

摘要
探地雷达(GPR)作为一种无损探测方法,常用于检测隧道衬砌内部的缺陷。但是,衬砌内部双层钢筋网会在GPR检测时产生强烈的杂波干扰,导致GPR的B-Scan图像缺陷特征不明显。为了提高检测精确度,我们提出一种基于改进YOLOv8模型的从全局到局部的二次识别方法,该方法可以有效地识别GPR图像内存在密布钢筋杂波干扰的缺陷特征信息(如位置和形状)。我们制作了全局GPR图像和局部GPR图像两份数据集,然后对原始YOLOv8结构添加注意力机制。利用迁移学习使用预训练权重后,训练两份数据集得到两个模型。利用两个模型对正演模拟与实际检测得到的GPR图像进行识别。结果表明,改进后的YOLOv8结构可以使平均精确率(mAP)从0.673提升至0.736。此外,通过不同工况的正演模拟GPR图像对比,我们得到钢筋间距在0.3-0.5m时模型识别效果最佳,二次识别置信度为0.91;钢筋-缺陷距离在1.05m时模型识别效果最佳,二次识别置信度为0.92,且模型拥有识别不同缺陷形状的能力。通过与前人研究对比,该方法在训练成本降低前提下,达到较高精度,并且在识别工程实际GPR图像时,置信度从0.37提升到0.73,对衬砌内部缺陷的检测与自动识别有重大帮助。
关键字
改进YOLOv8模型;注意力机制;迁移学习;钢筋干扰;探地雷达;空洞检测;钢筋间距;钢筋-缺陷距离;空洞形状
报告人
黄嘉志
硕士研究生 深圳大学

发表评论
验证码 看不清楚,更换一张
全部评论
提交摘要
注册参会
酒店预订