您当前的位置：
首页 >
文章列表页 >
融合BiFPN与CBAM的地铁隧道病害视觉检测模型
更新时间：2026-03-17

    • 融合BiFPN与CBAM的地铁隧道病害视觉检测模型

    • Visual inspection model for subway tunnel defects integrating BiFPN and CBAM

    • “地铁隧道病害检测领域迎来新突破，相关专家提出改进的YOLOv12模型（YOLOv12-BCM），通过引入加权双向特征金字塔网络（BiFPN-Concat）、卷积注意力机制（CBAM）及基于最小点距离的边界框损失函数（MPDIoU），有效解决了小目标难识别、背景干扰强、边界框定位不准等问题，显著提升了检测精度，为地铁隧道病害检测提供了高效解决方案。”
    • 土木与环境工程学报   2026年 页码：1-10

    • DOI：10.11835/j.issn.2096-6717.2026.019    

      中图分类号： U457.2

    • 收稿：2025-11-21，

      网络首发：2026-03-17，

    移动端阅览

  • 何齐海,包建新,邹坤秘等.融合BiFPN与CBAM的地铁隧道病害视觉检测模型[J].土木与环境工程学报, DOI：10.11835/j.issn.2096-6717.2026.019.

    HE Qihai,BAO Jianxin,ZOU Kunmi,et al.Visual inspection model for subway tunnel defects integrating BiFPN and CBAM[J].Journal of Civil and Environmental Engineering, DOI：10.11835/j.issn.2096-6717.2026.019.

  •  
  •  

0

浏览量

0

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

基于轻量化卷积神经网络的桥梁斜拉索PE护套损伤识别方法
基于航拍图像与改进U-Net的建筑外墙裂缝检测方法
多尺度视角下桥梁损伤检测与服役性能评估研究综述
地铁振动下的轨道结构应力波传播特性

相关作者

李惠
徐峰
黄永
刘啸宇
任宜春
牛孜飏
郑智雄
刘少华

相关机构

上海交通大学 船舶海洋与建筑工程学院
哈尔滨工业大学 土木工程学院
长沙理工大学 土木工程学院
中国建筑第五工程局有限公司
西南交通大学 土木工程学院
0