融合ShuffleNet-YOLO模型改进的桁架楼承板缺陷检测

本发明提供一种融合ShuffleNet‑YOLO模型改进的桁架楼承板缺陷检测方法，构建了具有破损、蜂窝麻面、裂缝、钢筋锈蚀的桁架楼承板板缺陷数据集。首先，将注意力机制CBAM融入到ShuffleNetv2模型中，然后，将轻量化网络ShuffleNetv2‑CBAM与目标检测算法YOLOv5s.60相融合，最后，在输出端采用WIOU，Soft‑NMS改进的策略，形成最终的网络模型。本发明，很好地利用了YOLO模型检测速度快的特性及ShuffleNet算法轻量化的优势，使其模型具有识别精度高、检测快速、泛化能力强等优势，便于在嵌入式设备上部署，能够广泛应用于现场实时监测场景，提高施工质量与效率，为桁架楼承板缺陷检测提供了更加可靠和高效的解决方案，进而为建筑行业的智能化转型提供技术支持。