基于YOLOv9-DS的预制混凝土叠合板质量检测模型研究

摘要

为了应对预制混凝土叠合板在生产安装过程中出现的预埋件数量缺失、位置偏差等问题，提出了一种改进的YOLOv9-DS预制混凝土叠合板质量检测模型。首先，以YOLOv9检测模型算法为基本框架，嵌入动态蛇形卷积（dynamic snake convolution, DSConv）模块、空间和通道重建卷积（spatial and channel reconstruction convolution, SCConv）模块；其次，以某预制混凝土工厂为背景，构建了包含接线盒、水管孔洞和桁架钢筋3种预埋件的检测数据集，并通过数据增强扩充样本用于模型训练与评估。结果表明：改进后的YOLOv9-DS模型在测试中整体mAP₅₀为87.8%,其中桁架钢筋的mAP₅₀为89.9%,接线盒的mAP₅₀为89.0%,水管孔洞的mAP₅₀为84.5%,较YOLOv9模型分别提升了3.2个百分点、1.2个百分点和3.3个百分点；模型参数量为56.89M,推理时间由13.4 ms缩短至9.7 ms,降幅为27.6%。所提YOLOv9-DS模型有效提升了叠合板多尺度预埋件识别的准确度与速度，可满足复杂工业场景下的鲁棒性与实时检测需求。

关键词

土木建筑工程测量 / 混凝土叠合板 / 预埋件 / YOLO / 智能检测