基于深度学习的大跨空间结构损伤检测方法

本发明公开了基于深度学习的大跨空间结构损伤检测方法，包括：通过获取大跨空间结构损伤图像后获得大跨空间结构损伤图像数据集；YOLOv8网络模型融合SEAMHead检测头、C2F‑FASTER模块和GFPN结构构建YOLO‑FGS检测模型，训练后对预处理大跨空间结构损伤图像数据集进行大跨空间结构损伤检测，获得多个大跨空间结构损伤类型。本发明能够捕捉更为丰富的图像特征，提升模型在目标检测任务中的整体表现；在处理大跨空间结构损伤时，增强模型对微小损伤区域的感知能力，通过优化参数设计，大幅降低模型的参数规模，同时赋予检测头更强的多尺度感知能力，能够适应复杂场景中的多样化特征，大幅提升检测的精度和效率。