摘要：为对震后耗能梁段损伤状态进行准确、快速评估，在YOLO-v8n模型的基础上，加入高效多尺度注意力模块和加权双向特征金字塔结构，提出了EB-YOLO-v8n耗能梁段损伤识别模型。首先，设计并完成9个不同参数的耗能拟静力试验，采用图像拍摄设备记录不同破坏程度下的结构局部损伤情况，汇总成数据集；其次，为保证数据集质量，采用Mosaic+Fliplr数据增强技术对输入数据进行增强处理，共得到2 612张图像作为数据集；再次，对数据集中的各种损伤进行标注并输入到模型中训练；最后，对相关创新模块进行消融实验，分析了每一个改进模块的有效性。结果表明：EB-YOLO-v8n模型的平均精度值均高于文中提到的其他模型，模型在参数量基本不变的情况下具有更强的鲁棒性；此外，根据消融试验结果可以得出，EB-YOLO-v8模型的平均精度值分别高于E-YOLO-v8n、B-YOLO-v8n模型1.5、5.0个百分点，并且其单张图片平均识别时间也具有一定优势。EB-YOLO-v8n模型兼顾了精度与速度之间的平衡，契合了震后损伤识别需求中高精度与快速的特点，可以满足实际工程复杂工况的需求。
文章目录
1 耗能梁损伤数据集制备
1.1 试件设计
1.2 钢材材性
1.3 加载方案与测点布置
1.4 试验现象及损伤模式
1.5 耗能梁损伤识别数据集构建
2 算法理论
2.1 YOLO-v8网络结构
2.2 YOLO-v8网络结构的改进
2.2.1 特征提取层优化
2.2.2 特征融合层优化
2.3 模型训练参数设置及评价指标
3 耗能梁损伤目标检测结果与讨论
3.1 训练结果
3.2 检测效果
3.3 不同模型试验结果对比
3.4 消融实验
4 结 语
