基于深度学习的图像目标检测方法具有检测精度高、检测速度快等优点,广泛应用于路面病害检测中,目前研究多关注俯视影像的路面病害检测,前视影像中复杂场景对检测精度影响的研究尚不足。本文基于YOLOv8(you only look once version 8)...基于深度学习的图像目标检测方法具有检测精度高、检测速度快等优点,广泛应用于路面病害检测中,目前研究多关注俯视影像的路面病害检测,前视影像中复杂场景对检测精度影响的研究尚不足。本文基于YOLOv8(you only look once version 8)提出一种路面病害检测模型YOLO-RMID(road maintenance inspection detection)。利用Mask掩模将天空与地面分隔开,屏蔽空中悬挂输电线区域;将注意力机制融入主干特征提取部分中的快速空间金字塔池化(spatial pyramid pooling fast,SPPF)模块,提高裂缝所在区域权重;在特征融合部分中通过将BiFusion模块与RepBlock模块相结合,构建多尺度融合特征BFRB(BiFusion RepBlock)结构,提高模型对路面病害的感知能力;为验证方法可行性,制作路面病害数据集LNTU_RMID,结合公开数据集RDD2022,与常用的MUENet、CrackYOLO及DGE-YOLO-P模型进行对比评价。结果表明,本方法的综合性能相对最优,平均精度分别提高了约6.7%、5.4%、6.6%。展开更多
运用 Auto CAD与 Geomedia的 Active X Autom ation技术 ,采用面向对象的方法利用 VB开发了 Auto CAD数据转换程序 ,从 Auto CAD数据库中提取实体的图形和属性数据 ,经转化转入 Geomedia数据库中 ,解决了数据转换中的几个技术关键问题 ...运用 Auto CAD与 Geomedia的 Active X Autom ation技术 ,采用面向对象的方法利用 VB开发了 Auto CAD数据转换程序 ,从 Auto CAD数据库中提取实体的图形和属性数据 ,经转化转入 Geomedia数据库中 ,解决了数据转换中的几个技术关键问题 ,做到了图形数据与属性数据的完全匹配 。展开更多
文摘基于深度学习的图像目标检测方法具有检测精度高、检测速度快等优点,广泛应用于路面病害检测中,目前研究多关注俯视影像的路面病害检测,前视影像中复杂场景对检测精度影响的研究尚不足。本文基于YOLOv8(you only look once version 8)提出一种路面病害检测模型YOLO-RMID(road maintenance inspection detection)。利用Mask掩模将天空与地面分隔开,屏蔽空中悬挂输电线区域;将注意力机制融入主干特征提取部分中的快速空间金字塔池化(spatial pyramid pooling fast,SPPF)模块,提高裂缝所在区域权重;在特征融合部分中通过将BiFusion模块与RepBlock模块相结合,构建多尺度融合特征BFRB(BiFusion RepBlock)结构,提高模型对路面病害的感知能力;为验证方法可行性,制作路面病害数据集LNTU_RMID,结合公开数据集RDD2022,与常用的MUENet、CrackYOLO及DGE-YOLO-P模型进行对比评价。结果表明,本方法的综合性能相对最优,平均精度分别提高了约6.7%、5.4%、6.6%。
文摘运用 Auto CAD与 Geomedia的 Active X Autom ation技术 ,采用面向对象的方法利用 VB开发了 Auto CAD数据转换程序 ,从 Auto CAD数据库中提取实体的图形和属性数据 ,经转化转入 Geomedia数据库中 ,解决了数据转换中的几个技术关键问题 ,做到了图形数据与属性数据的完全匹配 。
