CN119417837A 基于改进YOLOv框架的叠合板质检模型、方法和系统 （合肥工业大学）

基于改进YOLOv框架的叠合板质检模型、方本发明涉及土木工程装配式结构与计算机大模型技术领域，尤其是一种基于改进YOLOv框的一种基于改进YOLOv框架的叠合板质检模型构建方法，首先在YOLOv8n基础上进行模型框架改息先分别进行卷积以调整特征图尺寸进行特征结构复杂的叠合板质量检测的图像识别方法的2首先对YOLOv8n网络框架进行改进以获得叠合板质检模型，改进络的颈部网络替换为SOBI网络模块；SOBI网络模块包含顺序连接的2个加权特征融合模块令YOLOv8n网络的主干网络从浅层到深层的四个特征提取器分别记作第一特征提取SOBI网络模块中，第一个加权特征融合模块对主干加权特征融合模块的输出数据和主干网络中第二特征提取器的输出数据卷积进行加权融的输出数据和主干网络中第四特征提取器的输出数据卷积进行然后构建学习数据集，学习数据集用于存储标注有各2.如权利要求1所述的基于改进YOLOv框架的叠合板质检模型构建方法，其特征在于，第一采样拼接模块、第二采样拼接模块和第三采样拼接模拼接模块和第三卷积拼接模块统称卷积拼接模块，卷积拼接模块由顺序连接的卷积网络、第一采样拼接模块的输入连接第五卷积网络的输出，卷积拼接模块中的拼接网络的输入还连接第三卷积网络的输出和第二采样拼接模块的输第三采样拼接模块的输出端、第一卷积拼接模块的输出端3.如权利要求2所述的基于改进YOLOv框架的叠合板质检模型构建方法，其特征在于，34.如权利要求3所述的基于改进YOLOv框架的叠合板质检模型构建方法，其特征在于，第一采样拼接模块的拼接网络和第二采样拼接模块的拼接网络5.如权利要求1所述的基于改进YOLOv框架的叠合板质检模型构建方法，其特征在于，6.如权利要求1所述的基于改进YOLOv框架的叠合板质检模型构建方法，其特征在于，7.一种采用如权利要求1_6任一项所述的基于改进YOLOv框架的叠合板质检模型构建方法的基于改进YOLOv框架的叠合板质检方法，其特征在于，首先采用所述的基于改进YOLOv框架的叠合板质检模型构建方法获取叠合板质检模型;将拍摄的待检测叠合板图像8.如权利要求7所述的基于改进YOLOv框架的叠合是，则对比各标注对象的像素位置标注值与像素位置设计值的重合度是否均达到设定阈权利要求7所述的基于改进YOLOv框架的叠合板质现如权利要求7所述的基于改进YOLOv框架的4[0004]为了克服上述现有技术中缺乏适用于结构复杂的叠合板质量检测的图像识别方本发明提出的一种基于改进YOLOv框架的叠合板质检模首先对YOLOv8n网络框架进行改进以获得叠合板质检模型，改进方法为：将令YOLOv8n网络的主干网络从浅层到深层的四个特征提取器分别记作第一特征提5一个加权特征融合模块的输出数据和主干网络中第二特征提取器的输出数据卷积进行加模块的输出数据和主干网络中第四特征提取器的输出数据卷积进行多第一采样拼接模块、第二采样拼接模块和第三采样拼接模块统称采样拼接模块，三卷积网络的输出，第三采样拼接模块中的拼接网络的输入还连接第二卷积网络的输出；第一卷积拼接模块中的拼接网络的输入还连接第三卷积网络的输出和第二采样拼接模块卷积拼接模块中的拼接网络和第三卷积拼接模块中的拼接网络均[0007]优选的，第一采样拼接模块的拼接网络和第二采样拼接模块的拼接网络均采用6[0010]本发明提出的一种基于改进YOLOv框架的叠合板质检方法，首先采用所述的基于改进YOLOv框架的叠合板质检模型构建方法获取叠合板质检模型；将拍摄的待检测叠合板[0011]优选的，叠合板质检模型标注各类型预埋件和预埋孔洞在叠（1）本发明提出的一种基于改进YOLOv框架的叠合板质检模型构建方法，首先在[0015]（2）SDI在多层特征图进行相加之前先对各层特征图经过了空间和通道注意力机7[0025]本发明提出的模型YOLOv_SOBI参考了BiFPN中双向连接字塔到颈部网络下采样结[0026]传统的BiFPN思想用于YOLO网络时多是采用特征金字塔最后三层信息进行融合，8第一卷积拼接模块中的拼接网络的输入还连接第三卷积网络的输出和第二采样[0034]头部网络包含四个分割头，四个分割头的输入分别连接第三采样拼接模块的输9模型YOLOv_SOBI的颈部网络改进是通过添加多层信息融合的方式来解决数据集但不同的是SDI在多层特征图进行相加之前先对各层特征图经过了空间和通道注意力机制[0037]在模型YOLOv_SOBI的基础上，模型YOLOv_SBS中第一采样拼接模块中的Concat网络和第二采样拼接模块中的Concat网络均替[0038]模型YOLOv_SBS第三采样拼接模块中的Concat网络、第一卷积拼接模块中的注意力单元，以提取空间注意力体征和通道注意力特征；通道注意力单元输出的数据经过数据保持原有维度输出，从而采样单元输出的多个数据保持相同维度；采样单元输出的多个相同维度数据通过平滑卷积网络进行卷积处理后，再送入通道拼接单元进行维度拼接后作为SDI模块的输出数据。第一卷积拼接模块和第二卷积拼接模块中的SDI模块有三路输入，每一路输入数检模型YOLOv_SOBI和YOLOv_SBS与多种对比模型在同一实验环境下进接模块中的Concat网络、第二卷积拼接模块中的Concat网络和第三卷积拼接模块中的拼接模块中的Concat网络、第二卷积拼接模块中的Concat网络和第三卷积拼接模块中的;[0050]本实施中，本发明模型YOLOv_SOBI、YOLOv_SBS以及对比模型YOLOv5、YOLOv7、;改进模型YOLOv_SBS基于YOLOv8n基线模型改进得到，既保留并超越了YOLOv8n检测加强筋Bi_FPN和SDI模块的配置位置正确与否影响着信息[0053]为更直观分析YOLOv_SBS与其他模型分割叠合板组件的效果差距，将分割的可视