《电子测量技术杂志》发表论文赏析

基于YOLO轻量化的水下管桩裂缝检测方法

来源:电子测量技术杂志2025年第17期北京时间:

作者:陈潇威,宋瑞银,吴瑞明,李凤甡,王天恒

单位:1.浙江科技大学机械与能源工程学院 杭州 310018;2.浙大宁波理工学院机电与能源工程学院 宁波 315100

摘要:基于机器视觉的水下管桩裂缝检测在工作时往往面临着嵌入式设备计算资源有限、实时检测速度慢的问题,为了解决这些问题本文提出了基于管桩清洗机器人的管桩裂缝自动识别方法。设计了一种轻量化网络检测算法 YOLOv8-MLLA-Mobilenetv4-WIoU(MWM-YOLO)。在水下环境拍摄获取低质缺陷图像并进行数据增强,扩充数据集;针对浑水下低质图像,针对图像增强与目标检测不匹配所导致的抑制作用,利用MLLA自注意力精准聚焦关键特征区域,在保持高分辨率输出的同时,有效抑制背景干扰,从而增强图像增强与目标检测的协同作用。同时采用最新的Mobilenetv4主干网络,降低特征网络的参数量和计算量。在此基础上,考虑低质图像数据标注难免包含低质量示例,使用 WIoU损失函数替换原YOLOv8网络模型中的损失函数,提高模型泛化性能。实验结果表明:MWM-YOLO模型权重大小为14.9 MB,较原模型减少了30.3%。平均精度达到了89.1%,推理速度为137.54 fps,优于其他模型。改进后的网络模型相比原网络,在保持缺陷识别精度的同时,可以轻量化部署到边缘计算设备,为水下管桩清洗机器人提供技术支持。

关键词:管桩清洗机器人;管桩裂缝检测;YOLOv8s;缺陷识别;注意力机制

基金资助:浙江省“领雁”重大专项计划项目(2023C03122)、宁波市重点研发计划暨“揭榜挂帅”第一批立项项目(2022Z172)资助

2025年17期其他文献查阅:

基于偶极声源单声道麦克风自定位方法研究

一种Ku频段三路波导功率分配/合成网络

基于改进YOLOv11的太阳能电池板缺陷检测

基于阵列传感采集策略的步态识别算法研究

压力相似度模型的人体侧翻状态估计

基于注意力残差网络和混合池化的3D目标检测

负载突变下矿用电机车永磁同步电机控制研究

面向电网设备盘点的智能增强型标签识别方法

一种基于TLC改进的抖动分解算法

基于模态分解和多模型融合的IES多元负荷预测

基于贪心算法的电力分布式经济调度通信拓扑优化

基于改进A*算法的无人救援艇路径规划

基于深度学习的癫痫异常信号检测和分类模型

复杂环境下基于边缘计算的RFID相控阵定位方法

基于YOLO-Crab与改进的DeepSORT的水下河蟹检测与计数方法

基于扩散模型的二阶段细化图像修复模型

基于SDGW-YOLOv11的煤矿井下遮挡场景输送带异物检测

多路径特征融合的YOLOv8航拍图像检测算法

基于多尺度残差融合的水下图像增强网络

基于YOLO轻量化的水下管桩裂缝检测方法

基于改进YOLOv8的复杂场景下安全帽佩戴检测算法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!