同济大学学报(自然科学版)

作者：宋立博，费燕琼

单位：1.上海交通大学 学生创新中心，上海 200240;2.上海交通大学 机械与动力工程学院，上海 200240

关键词：智能检测,深度学习,边缘设备,深度网络

基金：国家自然科学基金（51875335）

面向国内高大建筑物裂缝检测市场实际需求，考虑现有YOLOv4-tiny深度网络结构在树莓派等边缘设备上运行速度慢的缺点，使用去除第二层残差网络、增加一个maxpool池化层及改变最后一个route层连接的方法生成YOLOv4-lite1和YOLOv4-lite2两种新的简化版YOLOv4-tiny深度网络结构。使用从百度上搜索的裂缝图片生成裂缝检测的训练集、测试集和验证集数据，在Ubuntu16.04系统上使用Darknet深度学习框架进行了训练。同时，在树莓派4B上进行的实际测试表明，YOLOv4-lite1具有更快运行速度、检出率和稳定性。该研究创新点在于进一步精简了YOLOv4-tiny网络结构和最后一层route层的连接，从而获得两种新YOLOv4-tiny深度网络结构形式和较佳检测效果。

来源：2022年第1期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2022年第1期