申请/专利权人：中南大学

申请日：2023-05-18

公开（公告）日：2024-03-22

公开（公告）号：CN116681657B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G06V10/774;G06V10/762;G06V10/42;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.09.19#实质审查的生效;2023.09.01#公开

摘要：本发明公开了一种基于改进YOLOv7模型的沥青路面病害检测方法，包括：获取沥青路面病害图像数据集；构建包含CSPNeXt模块的YOLOv7目标检测模型，并加入移动网络注意力机制，得到改进YOLOv7目标检测模型；利用K均值聚类算法对改进YOLOv7目标检测模型的锚框进行重新设计；利用沥青路面病害图像数据集对改进YOLOv7目标检测模型进行初步训练，并通过二次标注法进行纠错优化，得到沥青路面病害识别模型；将待检测沥青路面图像输入沥青路面病害识别模型进行识别，获得沥青路面病害检测结果。本发明能够迅速又精准地检测沥青路面病害，为沥青路面养护提供指导。

主权项：1.一种基于改进YOLOv7模型的沥青路面病害检测方法，其特征在于，包括：获取沥青路面病害图像数据集；构建包含CSPNeXt模块的YOLOv7目标检测模型，并加入移动网络注意力机制，得到改进YOLOv7目标检测模型；利用K均值聚类算法对改进YOLOv7目标检测模型的锚框进行重新设计；利用所述沥青路面病害图像数据集对所述改进YOLOv7目标检测模型进行初步训练；通过二次标注法对初步训练后的改进YOLOv7目标检测模型进行纠错优化，得到沥青路面病害识别模型；将待检测沥青路面图像输入所述沥青路面病害识别模型进行识别，获得沥青路面病害检测结果；所述构建包含CSPNeXt模块的YOLOv7目标检测模型，并加入移动网络注意力机制，得到改进YOLOv7目标检测模型，包括：构建CSPNeXt模块；CSPLayer模块包含三个二维卷积模块、多个CSPNeXt块和一个通道注意力模块；所述二维卷积模块由二维卷积层、批量归一化层和第一激活函数层组成；所述CSPNeXt块由一个一维卷积模块和一个深度可分离卷积模块组成；所述通道注意力模块由二元自适应均值汇聚层、二维卷积层和第二激活函数层组成；使用CSPNeXt模块替换YOLOv7模型中的部分ELAN模块，得到包含CSPNeXt模块的YOLOv7目标检测模型；引入移动网络注意力机制对YOLOv7目标检测模型的骨干网络进行改进，得到改进YOLOv7目标检测模型；使用CSPNeXt模块替换YOLOv7模型中的部分ELAN模块，包括：对于所述YOLOv7模型的原骨干网络，将第一个ELAN模块和最后一个ELAN模块用CSPNeXt模块进行替换，并在所述CSPNeXt模块之后加入二维卷积模块；对于所述YOLOv7模型的原头部网络，将所有的ELAN模块用CSPNeXt模块进行替换。

全文数据：

权利要求：

百度查询： 中南大学 基于改进YOLOv7模型的沥青路面病害检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD