基于YOLO模型的堤坝管涌监测智能识别方法

摘要：

针对堤坝管涌现象的监测识别问题,提出一种基于YOLO模型的堤坝管涌识别方法.该方法通过引入改进的残差块及替换模型的激活函数来提升YOLO v3模型的网络性能,构建了基于堤坝管涌感兴趣区域提取的Piping YOLO模型来提取管涌感兴趣区域,并采用二维主成分分析方法提取管涌现象的特征,将其作为多权值神经网络的输入,经训练后实现管涌状态的分类识别.基于自主搭建的管涌渗漏试验平台建立了数据集并进行了试验验证,结果表明,提出的方法能有效识别堤坝管涌现象,在堤坝管涌无人巡检领域具有一定的应用前景.

关键词：堤坝管涌、感兴趣区域、YOLO v3模型、多权值神经网络

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：南通市市级社会民生科技重点项目MS22021032

在线出版日期：2024-01-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94