摘要
为了解决桥梁结构表观损伤检测精度低的问题,提出适合用于检测桥梁各类表观损伤的BDI-YOLO(Bridge Defect Inspection-YOLOv7)目标检测方法。通过无人机采集桥梁结构损伤位置的图像,样本扩增与制作处理成可用于深度学习模型训练的数据集;引入可变形卷积、ECA注意力模块以及改进的双指标损失函数3种改进措施对网络模型进行优化;利用改进后的网络模型对损伤数据集进行训练与预测识别,将识别结果与现有的主流检测方法进行比较与讨论。通过消融实验证明了3种改进方法的有效性,其能够显著提高网络模型的检测精度;与其他检测方法对比,BDI-YOLO实现了更加优秀的精度与识别效果。
