基于无人机图像和机器学习技术的钢结构表面腐蚀智能识别方法研究OA
随着以机器学习为核心的人工智能技术与无人机(unmanned aerial vehicle,UAV)图像技术不断发展,为高空在役钢结构表面腐蚀的快速识别提供了新的思路。文中利用UAV采集既有钢结构建筑的腐蚀图像并建立数据集;在现有机器学习方法的基础上,提出了一种基于分层注意力的FasterViT与YOLOv8网络结构相结合的机器学习新算法,实现了钢结构表面腐蚀区域的精准定位与腐蚀程度的快速智能识别。该算法识别准确率高于YOLO系列、FasterViT单独使用情况下的准确率,准确率达到92.6%。文中所提方法可为在役钢结构服役性能的量化评估提供技术支撑。
左吉寅;周学军;王振;刘哲;孙继祥
山东建筑大学土木工程学院,济南250101山东建筑大学土木工程学院,济南250101山东交通学院交通土建工程学院,济南250153山东建筑大学土木工程学院,济南250101山东建筑大学土木工程学院,济南250101
信息技术与安全科学
无人机图像技术机器学习分层注意力钢结构表面腐蚀智能识别
《建筑钢结构进展》 2026 (9)
P.109-118,10
国家自然科学基金(52278507)山东省重点研发计划(重大科技创新工程)项目(2024CXGC10321)国家重点研发计划(SQ2020YFF0426523)。
评论