CN119418227A 一种边坡裂缝监测方法、装置、介质及设备 （山西阳光三极科技股份有限公司）

本申请公开了一种边坡裂缝监测方法、装用参数最优的边坡裂缝识别模型处理边坡裂缝别图像，基于加入SE注意力机制模块的骨干网特征增强网络以及设置3个1x1卷积层的head网与预获取的边坡裂缝区域的三维模型得到边坡裂缝监测信息，可以及早发现裂缝的形成和扩2络和路径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的YOLOv5模型基于所述边坡裂缝识别图像和与预获取的边坡裂缝区域的三维模型得到边坡裂缝监其中，根据多尺度Retinex图像处理算法替换YOLOv5模型中的Mosaic图像增强算法得基于所述训练集迭代训练所述边坡裂缝识别模型，基于所述验证集监控边模型的性能、基于中心损失函数联合Focal_loss损失函数监督训练所述边坡裂缝识别模根据依次连接的第一卷积模块、第二卷积模块、第一复合卷积结构模根据所述骨干网络、加入特征金字塔网络和路径聚合网络的Neck置3个1x1卷积层的head网络的YOLOv5模型确定所述边根据获取的边坡裂缝区域的三维模型确定边坡基于超过预设值的边坡裂缝识别图像和边坡裂缝区域确定三维重建后的边坡裂缝区基于所述三维重建后的边坡裂缝区域确定所述37.如权利要求2所述的边坡裂缝监测方法，其特征在将边坡裂缝图像采集数据分解为环境光的照射分量和携带图像细节信息的目标物体处理模块，用于利用参数最优的边坡裂缝识别模型处理所述边坡裂缝图像数入特征金字塔网络和路径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的YOLOv5模型确定所述边坡裂缝识输出模块，用于基于所述边坡裂缝识别图像和与预获取的边坡裂其中，所述存储器用于存储计算机程序，所述处理器算机程序来执行根据权利要求1～7中任一项所述4利用无人机拍摄回来的边坡裂缝图像特征不明显，不能精准识别监测边坡裂缝的技术问加入特征金字塔网络和路径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head5径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的YOLOv5模型确定所金字塔网络和路径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的所述边坡裂缝识别图像和与预获取的边坡裂缝区域的三维模型得到边坡裂于调用所述存储器中存储的计算机程序来执行边坡络和路径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的YOLOv5模型6网络的构建来准确地识别和分类各种类型的图像和声音，更好地刻画数据丰富的内在信良好动态范围压缩、色彩稳定性以及良好色调恢复的单一输出图像。总的来说，多尺度Retinex图像处理算法通过结合不同尺度的信息，能够更好地处理图像的光照变化和颜色全，导致无人机飞行距离较高，拍摄回来的边坡裂缝图像特征不明显。为此，将多尺度7[0031]飞行区域文件提前在相关测绘软件或制图软件中绘制好，飞行区域文件格式为[0035]S40、基于目标检测算法处理所述边坡裂缝图像采集数据，得到边坡裂缝图像数[0037]S41、将边坡裂缝图像采集数据分解为环境光的照射分量和携带图像细节信息的8明将多尺度Retinex图像处理算法替换YOLOv5传统的Mosaic图像增强算法，主要通过将图金字塔网络和路径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的YOLOv5模型确定所述边坡及设置3个1x1卷积层的head网络的YOLOv5模型确定所述边过全局平均池化将输入特征图(H×W×C)压缩为一个向量，将一个通道上整个空间特征编9习各个通道之间的关系，YOLOv5的主干网络在激励过程中使用一个sigmoid激活函数[0075]S30、基于所述边坡裂缝识别图像和与预获取的边坡裂缝区域的三维模型得到边[0079]S33、基于超过预设值的边坡裂缝识别图像和边坡裂缝区域确定三维重建后的边[0081]当置信度大于0.7处理器判定识别[0088]无人机航摄技术结合改进YOLOv5模型训练出的边坡裂缝识别方法相比传统方法裂缝识别模型的训练参数及网络架构，使得边坡裂缝识别模型具有更优秀的鲁棒性和精加入特征金字塔网络和路径聚合网络的Neck特征增强网络以及设置3个1x1卷积层的head网络的YOLOv5模型确定所述边坡裂缝识