文档名：基于YOLOXG算法的隧道裂缝实时检测
摘要：裂缝是隧道衬砌最常见的病害之一,影响隧道的结构耐久性和运营安全性.由于现役隧道日常检修任务艰巨,因此对隧道裂缝的高效智能化检测至关重要.针对隧道衬砌裂缝传统检测方法检测精度低、检测速度慢等问题,基于YOLOX算法提出一种新的YOLOX-G隧道衬砌裂缝图像检测算法.采用Ghostnet替换YOLOX的CSPDarknet主干网络,在加强特征提取网络中利用Ghost卷积代替原卷积块,用GIOU损失函数代替IOU损失函数.将YOLOX-G算法与YOLOX,YOLOv5,YOLOv3,SSD和FasterRCNN5种算法在构建的隧道裂缝图像数据集上进行实验对比,结果显示:YOLOX-G算法的F1分数为85.29%,相较于其他5种算法分别提高了4.26%,6.49%,7.29%,17.23%和4.53%;AP值为90.14%,相较于其他5种算法分别提高了7.28%,10.93%,11.53%,17.65%和10.38%.此外,YOLOX-G算法模型数据大小为38.1M,相对于YOLOX算法模型压缩了81.59%;检测单张图片的时间为15.12ms,FPS为66.14帧/s,相较于其他5种算法分别提高了18.89帧/s,13.92帧/s,21.41帧/s,25.72帧/s和49.69帧/s.因此,提出的YOLOX-G算法满足移动设备对模型大小的要求及对帧率的需求,可以实现对隧道衬砌裂缝高速度、高精度、实时动态性检测.
作者：周中 闫龙宾 张俊杰 杨豪 Author：ZHOUZhong YANLongbin ZHANGJunjie YANGHao
作者单位：中南大学土木工程学院,湖南长沙410075长沙理工大学交通运输工程学院,湖南长沙410114;长沙理工大学公路养护技术国家工程研究中心,湖南长沙410114
刊名：铁道科学与工程学报 ISTICPKU
Journal：JournalofRailwayScienceandEngineering
年，卷(期)：2023, 20(7)
分类号：U45
关键词：隧道工程 裂缝检测 深度学习 神经网络
Keywords：tunnelengineering crackdetection deeplearning neuralnetwork
机标分类号：TP391.41U45TP274
在线出版日期：2023年8月25日
基金项目：国家自然科学基金，湖南省自然科学基金资助项目，中南大学研究生科研创新项目基于YOLOX-G算法的隧道裂缝实时检测[
期刊论文] 铁道科学与工程学报--2023, 20(7)周中 闫龙宾 张俊杰 杨豪裂缝是隧道衬砌最常见的病害之一,影响隧道的结构耐久性和运营安全性.由于现役隧道日常检修任务艰巨,因此对隧道裂缝的高效智能化检测至关重要.针对隧道衬砌裂缝传统检测方法检测精度低、检测速度慢等问题,基于YOLOX算法...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于YOLOX-G算法的隧道裂缝实时检测 Real-time detection of tunnel cracks based on YOLOX-G algorithm
基于YOLOX-G算法的隧道裂缝实时检测.pdf
- 文件大小:
- 45.58 MB
- 下载次数:
- 60
-
高速下载
|
