基于YOLOV5算法的建筑外立面渗漏红外图像识别方法

基于YOLOV5算法的建筑外立面渗漏红外图像识别方法
摘要：采用深度学习技术中的YOLO V5目标识别算法对红外成像仪中采集到的渗漏区域红外图像进行识别。对于红外渗漏目标而言,不同背景条件、不同时间的红外渗漏目标样本量较少且难以采集,给深度学习模型的训练造成了很大的困难。深度学习需要较多的检测目标数据量进行训练,为了减少对真实渗漏红外图像数量的需求,结合仿真渗漏红外图像与真实渗漏红外图像来制作数据集,作为深度学习的样本进行训练。试验结果表明,所提出的数据集制作与识别方法,对建筑外立面红外图像中渗漏区域的识别准确率达87.6%。

标题：基于YOLOV5算法的建筑外立面渗漏红外图像识别方法

作者：吴玉龙,王嘉浩,丁勇,

关键词：建筑外立面,红外图像,深度学习,渗漏识别,

发表日期：2023年10月

2025-1-19 14:19 上传 基于YOLOV5算法的建筑外立面渗漏红外图像识别方法.pdf

文件大小:

3.06 MB

下载次数:

60

高速下载