Page 92 - 无损检测2023年第十期

试验研究

DOI : 10.11973 / ws j c202310011

基于 YOLOV5 算法的建筑外立面

渗漏红外图像识别方法

吴玉龙 , 王嘉浩 , 丁 勇 2
2
1

( 1. 昆山市建设工程质量检测中心, 昆山 215337 ; 2. 南京理工大学 理学院, 南京 210094 )

摘 要: 采用深度学习技术中的 YOLOV5目标识别算法对红外成像仪中采集到的渗漏区域

红外图像进行识别。对于红外渗漏目标而言, 不同背景条件、 不同时间的红外渗漏目标样本量较少
且难以采集, 给深度学习模型的训练造成了很大的困难。深度学习需要较多的检测目标数据量进
行训练, 为了减少对真实渗漏红外图像数量的需求, 结合仿真渗漏红外图像与真实渗漏红外图像来
制作数据集, 作为深度学习的样本进行训练。试验结果表明, 所提出的数据集制作与识别方法, 对
建筑外立面红外图像中渗漏区域的识别准确率达87.6% 。

关键词: 建筑外立面; 红外图像; 深度学习; 渗漏识别

中图分类号: TU761.11 ; TP39.141 ; TG115.28 文献标志码: A 文章编号: 1000-6656 ( 2023 ) 10-0054-05

Infraredima g eidentificationmethodofbuildin g facadeleaka g ebasedonYOLOV5al g orithm

1
2
,
WUYulon g WANGJiahao , DINGYon g 2

( 1.KunshanConstructionEn g ineerin gQualit y Ins p ectionCenter , Kunshan215337 , China ;

2.SchoolofScience , Nan j in gUniversit y ofScienceandTechnolo gy , Nan j in g 210094 , China )

Abstract : Inthis p a p er , theYOLOV5tar g etreco g nitional g orithmofthede p thlearnin g technolo gywasusedto

identif y theleaka g ere g ionoftheinfraredima g erfromcollectedinfraredima g es.Forinfraredleak ytar g ets , the

sam p lesizeofinfraredleak y tar g etswithdifferentback g roundconditionsanddifferenttimewassmallanddifficult

tocollect , whichmadethetrainin g ofdee p learnin gmodelver y difficult.Inordertoreducetheneedofrealinfrared

leaka g eima g e , this p a p ercombinedsimulatedinfraredleaka g eima g ewithrealinfraredleaka g eima g etomakedata

set , trainthesedatasetasasam p lefordee p learnin g .Theex p erimentalresultsshowedthattheaccurac yofthe

p ro p osedmethodwas87.6%foridentif y in g theleaka g eareaintheinfraredima g eofthebuildin g facade.

Ke ywords : buildin g facade ; infraredima g e ; de p thlearnin g ; leaka g eidentification
渗漏是建筑物常见且危害性极大的典型病害, 漏, 进而及时、 精确地进行除险加固和抢险救灾等工
其发展初期在时空上具有随机性、 隐蔽性等特征 [ 1 ] , 作, 是保障建筑物安全的关键 [ 3 ] 。目前, 用于建筑物
通常不易被察觉, 一旦发展到后期, 将会造成十分严 渗漏隐患探测的常用手段有人工目测、 开挖及钻孔
重的后果 [ 2 ] 。如何快速识别并定位建筑物的早期渗 勘测、 弹性波探测、 温度场探测、 同位素示踪和电阻
率探测等 [ 4-8 ] , 但大量工程案例表明, 采用单一手段
容易造成对建筑物渗漏隐患的误判甚至漏判, 极大
收稿日期: 2023-04-24
基金项目: 中央级公益性科研院所基本科研业务费专项资金
降低了抢险救灾工作的效率; 此外, 有些方法还会造
( Y322008 ); 国家重点研发计划( 2022YFC3005502 ); 国家自然科学基
成建筑物结构的二次破坏, 加快建筑物结构的老化
金( 51979174 ); 国家自然科学基金联合基金项目( U2040221 )
作者简介: 吴玉龙( 1988- ), 男, 硕士, 高级工程师, 主要从事质 和病变速度, 产生更多的次生隐患。
量检测的相关工作 随着科技的发展, 利用搭载高清可见光相机、 红
通信作者: 丁 勇( 1977- ), 男, 副教授, 主要研究方向为结构健 外热像仪等图像采集装置的爬壁机器人、 无人机等
设备进行扫描巡查, 逐渐成为满足工程快速无损检

康监测 , n j ustdin g @163.com
5
4
2023年 第45卷 第10期
无损检测