基于神经网络的桥梁拉索表观病害检测及识别技术

提出了一种基于YOLOv5目标检测算法的病害检测识别技术来识别桥梁拉索PE护套病害,以解决传统人工判读桥索表观病害存在的效率低、易受主观性影响等问题。该技术先通过桥索机器人获取清晰优质的拉索外表图像,建立适应于桥索病害识别任务的数据集,再使用所建立的数据集训练YOLOv5算法,构建桥索病害智能检测模型。研究结果表明,基于YOLOv5目标检测网络的自适应识别方法能够准确分辨出拉索的不同病害状态,相比于传统的人工判读病害方法,病害识别准确率提高至92.18%,并能够准确识别桥索缺陷的位置和类别。该方法显著提高了桥索病害检测的精度和速度。