基于改进YOLOv5的井盖隐患识别OA
井盖安全隐患处理是管线维护的重要任务之一。由于数量庞大、分布广泛,依靠人工处理十分困难,引入AI算法实现对井盖隐患的智能识别是有效的解决方案。基于改进YOLOv5s模型展开研究,采用数据增强技术,提高图片的色调、饱和度、曝光度以提升模型的鲁棒性;引入SE与CA注意力机制降低图片背景对检测的干扰,提升特征提取能力;使用SIOU损失函数替换CIOU损失函数,提高检测速度。实验结果表明,改进后的模型平均检测精度从89.3%提升到92.4%,能够满足井盖隐患识别的需求。
袁冬华;陶俊;吴文俊;隗一凡;侯顺智;孟思远
江汉大学人工智能学院,湖北武汉430056江汉大学人工智能学院,湖北武汉430056江汉大学人工智能学院,湖北武汉430056江汉大学人工智能学院,湖北武汉430056江汉大学人工智能学院,湖北武汉430056江汉大学人工智能学院,湖北武汉430056
信息技术与安全科学
井盖隐患YOLOv5s注意力机制
《江汉大学学报(自然科学版)》 2026 (1)
P.77-86,10
江汉大学研究生科研创新基金项目(KYCXJJ202320,KYCXJJ2025S08)。
评论