摘要
针对传统的房屋裂缝检测方法检测效率难以满足实际需求的问题,提出一种基于WTEMA-YOLOv11的房屋裂缝检测方法。为提升房屋裂缝检测的检测精度,提出了一种改进的YOLOv11识别方法WTEMA-YOLOv11。将C3K2模块融合了小波卷积可以利用小波变换使网络在不同频率尺度上很好地学习到特征,提升模型的特征表达能力,但仍然存在检测精度不足等劣势。为进一步提升模型对房屋裂缝检测的识别精度,引入了EMA注意力机制模块,通过跨空间学习方法的并行处理不同尺度特征,在复杂场景下可以显著提升房屋裂缝的检测精度。实验结果表明,提出的基于WTEMA-YOLOv11的改进识别方法在房屋裂缝的检测任务中,可实现mAP值达到91.8%,相比YOLOv11提高了2.5%,并设计了检测系统界面实现实时房屋裂缝检测需求,为房屋裂缝检测视觉任务提供了一种实用的策略。
出处
《电子制作》
2025年第15期33-38,共6页
Practical Electronics
基金
极薄煤层开采智能控制技术和装备研究2021ZXJ02A02。
