基于YOLOv5的墙体裂缝检测

墙体裂缝检测对于居民建筑的保养意义较大,传统人工检测难以适应当前快速精确的检测需求,由计算机进行识别的目标检测算法恰好能解决此问题。卷积神经网络是当下目标检测的主流核心网络,采用高效算法对目标图像的处理办法,使计算成本大幅降低,被广泛运用于目标检测识别中。本文通过对深度学习的目标检测算法研究,选用YOLOv5模型,对常见的墙体裂缝进行识别。实验结果表明,YOLOv5算法模型能够有效识别数据集中包含的裂缝信息,精度达到0.845,召回率达到0.929,均值平均精度(mean Average Precision,mAP)达到了0.825。

基于BIM技术的VR开发与应用——以长春水文化生态园建筑旧址改造工程为例

针对传统博物馆表现方式陈旧单一、表现力不足,传统工艺难以展现与传承等难题,本文应用BIM技术和Unity3D开发平台,基于虚拟体验效果和简明的创作流程等核心需求,突破传统展览演示方式,创新式打造“身临其境”的沉浸式交互体验博物馆。本文将BIM智慧平台和VR技术应用于净水工艺流程展示,开发了长春水文化生态园水文化旧址改造工程博物馆净水工艺流程VR体验博物馆,项目投入应用后给体验者全新的个性化沉浸式交互感受,有利于普及净水知识,增强保护水资源意识,同时对传承与发扬优秀传统工艺具有一定的意义。