Inscanner：基于 YOLOv8 模型的辅助保温层双相检测与分类
计算机视觉与模式识别
2025-02-27 v1 人工智能
摘要
本研究提出了一种用于检测和分类结构组件中辅助保温层的两阶段方法。在检测阶段，使用在由完整结构蓝图构成的数据集上训练的 YOLOv8x 模型，数据集中每个样本都标注有边界框，指示应包含保温层的区域。在分类阶段，这些检测到的保温块被裁剪并分为两类：存在或缺失。然后使用这些类别训练一个 YOLOv8x-CLS 模型，用于确定辅助保温是否存在。两个数据集的预处理步骤包括标注、数据增强和对保温区域的适当裁剪。检测模型获得了82%的平均精度(mAP)得分，而分类模型达到了98%的准确率。这些发现表明了该方法在自动化保温检测和分类方面的有效性，为该领域的进一步发展奠定了基础。
引用
@article{arxiv.2502.18871,
title = {Inscanner: Dual-Phase Detection and Classification of Auxiliary Insulation Using YOLOv8 Models},
author = {Youngtae Kim and Soonju Jeong and Sardar Arslan and Dhananjay Agnihotri and Yahya Ahmed and Ali Nawaz and Jinhee Song and Hyewon Kim},
journal= {arXiv preprint arXiv:2502.18871},
year = {2025}
}