一种基于深度学习的多标签桥梁表面缺陷检测方法及系统

摘要文本

本发明公开了一种基于深度学习的多标签桥梁表面缺陷检测方法及系统包括，获取若干钢筋混凝土桥梁的表面图像数据，构建图像数据集；采用离线数据增强方法对所述数据集进行处理，增加图片数量；修改YOLOv5模型构建BDYOLO模型并通过所述BDYOLO模型对处理过的数据集进行训练；本发明采用图像数据集进行增强操作去除了一些背景图像增加了缺陷图像的数量，使得各种标签的分布更加均衡；设计多标签softmax替换原有分类损失函数可以避免由于多标签问题造成不必要的损失，让梯度集中在更有价值的基础上加快了模型的收敛速度和精度；将ACmix嵌入到YOLOv5模型中，取代第四个CBS模块；兼顾了全局和局部特征，从而提高了网络在复杂场景下对桥梁缺陷的检测性能。