基于YOLOv5和U2-Net的高铁桥梁裂缝智能检测方法研究

摘要

传统数字图像处理技术在处理桥梁结构裂缝时由于裂缝形态和环境影响的复杂性导致检测效果不佳，且缺乏自适应和智能化的能力。为此，基于深度学习提出了一种结合YOLOv5和U2-Net的裂缝检测系统。YOLOv5可实现裂缝实时高精度识别和定位，引入更适用与显著性目标且特征提取能力强的U2-Net图像分割模型，提出了基于计算轮廓最大内切圆算法的裂缝宽度测量法，通过模拟高铁桥梁的破坏性实验，采集2 560张测试图像作为系统的输入端对该系统进行评估。结果表明，识别定位模型测试集的准确率、召回率、平均精确度分别为92.21%、94.63%、95.32%;分割模型测试集准确率、召回率、平均精确度分别达到92.86%、95.61%、93.35%,并能够准确计算出裂缝的宽度。

关键词

高铁桥梁 / 机器视觉 / 裂缝检测 / YOLOv5 / U2-Net