基于深度学习的水下混凝土结构表观缺陷智能化识别研究

摘要

受水体浑浊度、水下光线、水流速度等复杂因素的影响，传统的人工检测方法难以对水下混凝土结构的表观缺陷实施精确的检测与识别。本文提出基于深度学习算法的水下结构表观缺陷智能化识别技术，通过模拟复杂水域环境建立水下结构典型表观缺陷的数据库，再由图像增强算法进行小样本数据扩充和预处理，最后通过YOLOv5(You Only Look Once)目标识别算法实现不同类别缺陷的自动化识别与定位。结果表明，该技术能够取得良好的效果，平均精度均值mAP值、查准率（Precision）都达到了83%以上，在一定程度上能解决因水下场景复杂、采集样本量少而导致的模型识别精度不高的问题。

关键词

水下结构 / 表观缺陷 / 识别 / YOLO算法 / 深度学习