| 现场环境 |
建筑施工现场及运维监测环境 |
| 使用对象 |
建筑外墙表面，包括混凝土、瓷砖、装饰面等材质，适用于分层、剥落、裂缝等外观缺陷检测 |
| 使用目的 |
实现建筑外墙分层、剥落、瓷砖脱落等缺陷的自动识别，提升检测效率与准确性 |
| 硬件配置 |
Intel i7处理器，RTX 3090显卡，32GB内存；工业级无人机搭载高清云台相机 |
| 硬件兼容 |
无
|
| 软件配置 |
Windows/Linux系统，Python 3.7，PyTorch 1.11，CUDA 11.3，OpenCV 4.5 |
| 软件兼容 |
无
|
| 输入数据 |
1000-5000万像素建筑立面图像，支持无人机航拍及地面拍摄多种采集方式 |
| 输出数据 |
缺陷类型、位置边界框、置信度、损伤程度评估及结构化检测报告 |
| 样本获取 |
1907张原始图像数据集中包含分层、剥落、瓷砖脱落三类缺陷，按7:2:1划分数据集 |
| 测试结果 |
准确率提升2.2%，mAP@0.5提升2.9%，召回率达到98.5%，优于原YOLOv7模型 |
| 执行速度 |
单帧推理时间≤50ms，支持实时检测需求 |
| 资源消耗 |
GPU显存占用6-8GB，CPU内存占用≤4GB，支持边缘计算设备部署 |
| 源码类型 |
Python实现，包含MobileOne模块、坐标注意力机制等改进，提供完整训练代码 |
| 文件大小 |
完整算法包4.8GB |
| 相关备注 |
提供指导、模型建立 |
