[发明专利]一种基于改进Yolov5的桥梁裂缝检测分类方法

说明书

本发明公开了一种基于改进Yolov5的桥梁裂缝检测分类方法，步骤如下：使用无人拍摄，提取适当的视频帧保存在计算机中；对保存的图片进行数据集的标注，采用合适的标注工具，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；将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；对Yolov5模型进行改进，分别添加注意力机制C3SE和C3CBAM，同样进行模型训练。本发明相较于原模型在平均准确度上有所提高，并且能够解决原模型目标漏检问题，从而提高检查桥梁安全状况的效率。

技术领域

本发明涉及桥梁裂缝检测分类技术，特别是一种基于改进Yolov5的桥梁裂缝检测分类方法。

背景技术

桥梁作为目前出行的重要交通组成，必须要定期对其进行安全状况检查。其中，桥梁裂缝作为最主要的桥梁病害之一，已经严重影响了桥梁的安全状况，更有甚者，还会出现桥梁坍塌事件，这可能会造成不可弥补的伤亡事故。因此，对于桥梁裂缝的检测尤为关键。

桥梁裂缝检测技术的一个突出优势就在于可以进行多种裂缝的检测，但是，如果想要实现将不同种类的裂缝检测出来，就要面临如何将裂缝特征信息提取出来，并加以分类。桥梁裂缝检测技术一个重要指标就是桥梁裂缝特征信息的提取。在实际测量中，裂缝走向不确定，无人机视角下的横向裂缝大多横穿整条道路，裂缝形态蜿蜒曲折；裂缝长度不一且不会单独出现，一条裂缝的形成往往会伴随着多条细小裂缝的产生，裂缝复杂多变。这些种种的因素都会导致裂缝特征信息提取的困难，那么多目标检测的优势便不复存在。因此，着重要解决的就是优化裂缝特征信息的提取，从而更好地对桥梁裂缝进行检测，这对于桥梁安全状况的检查尤为重要。

发明内容

发明目的：本发明的目的是提供一种基于改进Yolov5的桥梁裂缝检测分类方法，从而提高检查桥梁安全状况的效率。

技术方案：本发明所述的一种基于改进Yolov5的桥梁裂缝检测分类方法，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。

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。