基于YOLOv4的桥梁钢结构表观病害自动识别方法的研究

摘要

我国现行桥梁钢结构外观缺陷检测主要依靠人工目测,该检测方式效率低,劳动强度大,环境和人为主观因素影响大。提出了一种基于目标检测方法YOLOv4的桥梁钢结构表观病害(锈蚀、涂层剥落等)识别方法,通过建立网络结构模型训练学习,从图像中找到病害所在位置以及类别信息,然后不断优化结构模型,从而准确框出病害区域并识别类型。通过试验验证表明,基于YOLOv4的检测方法能够较为准确地识别出常见的钢结构表观病害。当IoU阈值为0.5时,其检测精度mAP值达到了70.8%,识别准确率可达到82%,能很好地满足病害识别检测实时性的需求。该研究成果也可用于其他行业内的钢结构表观病害自动识别,以全面提升智能化检测水平。