基于YOLOv4的桥梁钢结构表观病害自动识别方法的研究

作者：斯新华; 刘大洋; 张朋; 张振东; 黄倩文

来源：公路, 2022, 67(08): 399-402.

• 桥梁工程
• 表观病害
• 自动识别方法
• YOLOv4
• 钢结构

我国现行桥梁钢结构外观缺陷检测主要依靠人工目测，该检测方式效率低，劳动强度大，环境和人为主观因素影响大。提出了一种基于目标检测方法YOLOv4的桥梁钢结构表观病害(锈蚀、涂层剥落等)识别方法，通过建立网络结构模型训练学习，从图像中找到病害所在位置以及类别信息，然后不断优化结构模型，从而准确框出病害区域并识别类型。通过试验验证表明，基于YOLOv4的检测方法能够较为准确地识别出常见的钢结构表观病害。当IoU阈值为0.5时，其检测精度mAP值达到了70.8%,识别准确率可达到82%,能很好地满足病害识别检测实时性的需求。该研究成果也可用于其他行业内的钢结构表观病害自动识别，以全面提升智能化检测水平。

• 单位
  招商局重庆公路工程检测中心有限公司