Journal: Project Engineering DOI: 10.32629/pe.v4i3.21103
Abstract
为实现大箱梁结构表观缺陷的高效智能检测,本文分析了裂缝、剥落、锈蚀和变形四 类缺陷的统计分布、几何参数及多物理场特征,提出一种基于视觉- 声学多模态融合的特征提取方法。通过改进YOLOv5架构构建智能检测模型,结合Tra nsformer注意力机制提升特征表征能力。实验结果表明,模型总体准确率达95.2%,定 位误差±0.3m~±0.5m,推理速度32帧/秒。工程应用中检测效率较传统方法提高5倍,漏 检率降至2.3%,为桥梁健康监测提供了可靠技术手段。
Keywords
大箱梁结构；表观缺陷；多模态特征提取；智能检测模型
Full Text
PDF - Viewed/Downloaded: 8 TimesReferences
[1] 宋旭东,顾亚良,宋亮.基于图像识别的PCB表观缺陷检测方法研究[J].大连交通大学 学报,2025,46(05):153-160.
[2] 王煜燚,杜永慧.混凝土表观缺陷成因及全过程防治策略[J].四川水泥,2026,(02): 125-126+129.
[3] 张东林,叶锡钧,陈德津,等.基于深度学习的水下混凝土结构表观缺陷智能化识别研 究[J].结构工程师,2025,41(04):25-30.
[4] 李路遥.轨道结构表观病害及空间线形智能巡检系统研发[J/OL].铁道标准设计,1- 12[2026-05-14].
[5] 王睿鸿.基于深度学习的铝型材表观缺陷检测及识别系统[D].内蒙古大学,2025.
[6] 陈海烽.基于YOLO的桥梁表观缺陷检测算法研究[D].东莞理工学院,2025.
[2] 王煜燚,杜永慧.混凝土表观缺陷成因及全过程防治策略[J].四川水泥,2026,(02): 125-126+129.
[3] 张东林,叶锡钧,陈德津,等.基于深度学习的水下混凝土结构表观缺陷智能化识别研 究[J].结构工程师,2025,41(04):25-30.
[4] 李路遥.轨道结构表观病害及空间线形智能巡检系统研发[J/OL].铁道标准设计,1- 12[2026-05-14].
[5] 王睿鸿.基于深度学习的铝型材表观缺陷检测及识别系统[D].内蒙古大学,2025.
[6] 陈海烽.基于YOLO的桥梁表观缺陷检测算法研究[D].东莞理工学院,2025.
Copyright © 2026 于鸿熙, 倪秀永, 张磊, 刘力源
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License