复杂背景下基于改进YOLO v3算法的桥梁表观病害识别

摘要

为提升复杂背景下混凝土桥梁表观病害检测精度,提出一种基于改进YOLO v3算法的桥梁表观病害检测方法.首先,针对病害存在密集分布且病害尺度变化较大的特点改进了YOLO v3的网络结构,在检测层中嵌入SE注意力机制模块和空间金字塔池化模块,加强了语义特征提取能力;其次,选用定位能力更好的CIoU作为损失函数进行训练;最后,通过K-means算法对桥梁表观病害缺陷数据集进行锚框聚类.为验证本文所提出算法的有效性,建立1363张包含桥梁露筋、剥落、水侵蚀病害的数据集,经手工标注、数据增强后进行网络训练.实验结果表明:改进后的YOLO v3模型相比原有模型在精确率、召回率、平均分类精度等指标上均有较大提升,其总体平均精度均值提高了5.5％.在RTX2080 Ti显卡下检测帧率达到84 fps,能够更加精准并实时地检测桥梁病害.