[发明专利]一种基于改进Yolov5的桥梁裂缝检测分类方法

权利要求书

1.一种基于改进Yolov5的桥梁裂缝检测分类方法，其特征在于，包括以下步骤：

步骤1、桥梁图像采集与处理：使用无人机采集桥梁裂缝图像，通过调节无人机高度拍摄对应状态下的桥梁裂缝图像，同时，采集桥梁底部的裂缝图像，将拍摄的视频按适当帧提取图片并保存在计算机中；

步骤2、数据集标注：对步骤1中筛选并保存的图片进行数据集的标注，采用适当的标注工具，标注完成后按比例随机划分数据集为训练集、验证集和测试集；

步骤3、裂缝检测分类：将步骤2划分好的数据集配置好路径文件，进行Yolov5模型训练，经过多次实验，选择最合适的超参数，找出最佳训练轮数；

步骤4、桥梁裂缝检测分类模型改进步骤：对步骤3中的Yolov5模型进行改进，分别添加注意力机制C3SE和C3CBAM，随后两种改进方式都进行最佳训练轮数的训练。

2.根据权利要求1所述的一种基于改进Yolov5的桥梁裂缝检测分类方法，其特征在于，所述步骤2具体为：

步骤2.1、数据集标注，标注步骤1中获得的桥梁裂缝图像，使用适合的标注工具，框选出裂缝目标，总计四种裂缝；

步骤2.2、格式转化，对步骤2.1中标注完成的VOC格式数据集进行转化，需要转化为适用Yolo训练的数据集；

步骤2.3、按比例随机划分，对步骤2.2中裂缝数据集按比例随机划分数据集为训练集、验证集和测试集。

3.根据权利要求1所述的一种基于改进Yolov5的桥梁裂缝检测分类方法，其特征在于，所述步骤3具体为：

步骤3.1、使用原Yolov5模型训练数据集，综合考虑模型的大小、运行效率以及裂缝检测分类的精度来进行权重文件的选择；

步骤3.2、开始训练前，创建自己数据集所对应的路径文件，文件里包含以下要素：训练集裂缝图片和标签路径、验证集裂缝图片和标签路径、裂缝类别数、裂缝类别名称；

步骤3.3、训练运行前阶段，调整相应的超参数设定，具体包含训练权重文件、数据集yaml文件、训练轮数、batch-size、输入尺寸；

步骤3.4、模型预测阶段，将步骤3.3训练完成得到的最好权重文件用于测试文件的预测，从而获得预测出来的裂缝检测分类结果。

4.根据权利要求1所述的一种基于改进Yolov5的桥梁裂缝检测分类方法，其特征在于，所述步骤4具体为：

步骤4.1、针对原Yolov5模型对于多目标复杂图像漏检问题，加入注意力机制来改善；

步骤4.2、在原模型中对C3层进行改进，将主干网络中的C3模块都替换为C3SE模块，然后重新进行模型训练，训练过程参考步骤3中的原模型训练步骤；

步骤4.3、在原模型中对C3层进行改进，将主干网络中的C3模块都替换为C3CBAM模块，然后重新进行模型训练，训练过程参考步骤3中的原模型训练步骤。

5.根据权利要求4所述的一种基于改进Yolov5的桥梁裂缝检测分类方法，其特征在于，所述步骤4.1中采用尺度注意力机制来改善原Yolov5模型对于多目标复杂图像漏检问题。

6.一种计算机存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一项所述的一种基于改进Yolov5的桥梁裂缝检测分类方法。

7.一种计算机设备，包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述的一种基于改进Yolov5的桥梁裂缝检测分类方法。