利用YOLOv7算法对混凝土结构表面裂缝进行自主识别

基于YOLOv7的混凝土结构表面裂缝自动识别

• 1、模型接受
  • • 1.1 yolov7架构：
    • 1.2 在骨干网中引入Aatten模块
    • 1.3 将Myswin模块集成至YOLOv7网络
    • 1.3 在YOLOv7网络中嵌入FEEM模块

  • 2、实验

本研究采用了一种优化后的网络结构，命名为YOLOv7-AMF，专门用于混凝土裂缝的检测任务。为了增强网络对环境信息的感知能力，我们在其架构中引入了Aatten模块与Myswin模块，这两个组件均基于自注意机制进行设计。同时，在FEEM模块中引入多尺度融合技术。通过这些改进措施，在确保检测速度不受影响的前提下，有效提升了裂缝识别的精确度。

贡献:
(1) 针对裂缝图像在不同尺度下的识别难题，我们采用尺寸为1000 × 1000和3000 × 3000的裂缝图像数据集进行训练，使模型能够全面学习各类尺度下裂缝的特征信息。此外，对图像实施多种曝光与噪声处理方式，从而增强网络在不同环境条件下的实时检测适应能力。

(2) 针对提升裂缝识别精度的问题，我们将源自Swin Transformer中的自注意机制提取出来，并构建为一种新的自研模块（Myswin），将其整合进YOLOv7架构之中。该方法有助于网络更高效地提取裂纹图像中的关键信息，并提升目标识别效果，同时增强了模型并