面向高强度螺栓检测的YOLOv5-Ganomaly联合算法研究

谢海波; 朱玮峻; 张璧; 张大海

doi:10.14048/j.issn.1671-2579.2024.04.020

中外公路 ›› 2024, Vol. 44 ›› Issue (04) : 171 -179. DOI: 10.14048/j.issn.1671-2579.2024.04.020

面向高强度螺栓检测的YOLOv5-Ganomaly联合算法研究

谢海波, 朱玮峻, 张璧, 张大海

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对桥梁高强度螺栓松动检测工作量大、目标小、异常多且难以获取等问题，该文提出一种半监督深度学习模型，即使少量负样本情况下也可得到螺栓松动检测模型，解决了模型训练样本不平衡的问题。YOLOv5-CT模型对螺栓目标检测的精度达98.33%。通过对螺栓数据进行预处理，提高Ganomaly模型对螺栓图像的重构能力。当隐空间向量值为100时，模型的S_AUC最高，具有最佳判别性能。在模型测试阶段，将异常分数阈值设置为0.295，计算模型对高强度螺栓异常松动检测的精度可达到85%以上，实现螺栓的自动识别和检测。