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...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。展开更多
文摘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。
