1. 中国电建集团华东勘测设计研究院有限公司
2. 浙江华东工程咨询有限公司
3. 大连理工大学建设工程学院
纸质出版:2026
移动端阅览
彭武平, 何辉富, 徐俊杰, 等. 基于轻量化SWC-YOLOv5-SGLR的土石坝料高精度分割模型研究[J]. 水电能源科学, 2026,44(5):163-167.
彭武平, 何辉富, 徐俊杰, et al. 基于轻量化SWC-YOLOv5-SGLR的土石坝料高精度分割模型研究[J]. 2026, 44(5): 163-167.
彭武平, 何辉富, 徐俊杰, 等. 基于轻量化SWC-YOLOv5-SGLR的土石坝料高精度分割模型研究[J]. 水电能源科学, 2026,44(5):163-167. DOI: 10.20040/j.cnki.1000-7709.2026.20252003.
彭武平, 何辉富, 徐俊杰, et al. 基于轻量化SWC-YOLOv5-SGLR的土石坝料高精度分割模型研究[J]. 2026, 44(5): 163-167. DOI: 10.20040/j.cnki.1000-7709.2026.20252003.
土石坝堆石料的颗粒级配是影响坝体结构稳定性和渗透安全性的关键因素。传统的人工筛分检测方法存在效率低、人力成本高和代表性不足等问题,难以满足现代工程对施工质量实时检测的需求。为此,针对土石坝料在复杂工况下细小颗粒的特征捕捉难,以及颗粒识别精度与计算效率之间的矛盾,提出一种基于改进YOLOv5的轻量化高精度分割模型。首先引入滑动窗口裁剪策略,通过重叠分块输入,有效避免了高分辨率图像缩放时细小颗粒特征的丢失,显著改善小颗粒识别能力;然后设计SGLR特征提取模块,融合坐标注意力与多尺度卷积结构,增强模型在复杂背景下的特征表达与边界识别性能。通过采集土石坝施工现场真实图像,构建高分辨率数据集并进行训练和测试。试验结果表明,改进模型的平均精度达到97.3%
精确率和召回率均在95%以上,相较于基线模型提高了1.5%。此外,该模型具有较低的参数量和计算量,推理速度可满足实时检测需求,实现了高精度与高效率的统一。该模型为土石坝施工质量的智能检测提供了一种可行的新方法,具有一定的工程应用价值与推广意义。
傅毓斐,程洋,钟建伟,鲍华,吴韬.基于改进YOLOv8x-seg的工程车定位分割算法[J].制造业自动化,2025(08).
严狄,王树英,郑响凑.基于灰度-图像识别级配方法的泥质粉砂岩回填土压实特征研究[J].铁道科学与工程学报,2025(06).
张振伟,蔡可天,高轩,贺一轩,王建,鲁洋.基于SAM图像处理的堆石料级配计算方法及验证[J].水力发电,2025(02).
付立群,金峰,张喜喜,杨家琦,周虎.结合Mask R-CNN和SAM获取堆石混凝土坝堆石级配曲线[J].水电能源科学,2024(11).
罗枭雄,金伟,赵鹏远,钟志鸿,李海波,胡宇翔.基于图像识别的土石坝坝料颗粒级配检测方法[J].水利水电技术(中英文),2024(12).
刘禹杉,孙淼军,吴帅峰,张丽雅,孙黎明.土石料粒径与级配的图像智能识别研究[J].岩土工程学报,2023(S1).
赵宇飞,刘彪,王毅,孟亮,刘必旺.基于数字图像处理的土石坝坝料合格性智能检测方法[J].水利学报,2022(10).
刘彪,赵宇飞,陈祖煜,王毅,王文博.小样本条件下砂砾石坝料级配特征参数的贝叶斯估计方法[J].水利学报,2022(05).
于沭,温彦锋,王玉杰,张国英,张延亿,邓刚.基于图像识别技术的土石料级配检测系统[J].中国水利水电科学研究院学报,2019(06).
周飞燕,金林鹏,董军.卷积神经网络研究综述[J].计算机学报,2017(06).
S.C.F. Lin,C.Y. Wong,G. Jiang,M.A. Rahman,T.R. Ren,Ngaiming Kwok,Haiyan Shi,Ying-Hao Yu,Tonghai Wu.Intensity and edge based adaptive unsharp masking filter for color image enhancement[J].Optik - International Journal for Light and Elect,2016(1).
0
浏览量
下载量
CSCD
关联资源
相关文章
相关作者
相关机构