摘要
为解决高楼建筑外墙裂缝检测存在检测成本高、检测效率低以及周期较长的缺点,提出了利用YOLOv5对高楼建筑外墙安全性进行智能化、效率化的检测。首先,利用网络搜集和自行拍摄1000张外墙裂缝照片建立高楼外墙裂缝数据集,并按照8:1:1比例将其分为训练集train、测试集test和验证集val;其次,使用获取的训练数据集train对YOLOv5s进行训练,经过训练之后,模型性能为:精确率(Precision)值为0.846,召回率(Recall)值为0.930,均值平均精度(mAP)值为0.703,并分析各项性能参数指标;最后,利用所获模型对裂缝测试集test进行了识别测试,结果与人工标注对比证明,标注效果与其近似,效果良好。实验证明利用YOLOv5目标检测方法可达到快速、准确地识别出高楼外墙裂缝,具有高效率、易操作、低成本等优点,相较于传统的人工检测方法具有显著优势。通过本研究,为高楼建筑外墙裂缝检测领域带来了新的思路和方法,为提升建筑安全性及降低维护成本提供了重要参考。
出处
《电子制作》
2024年第23期64-67,63,共5页
Practical Electronics
