深度学习和数字双胞胎集成用于在古代寺中检测结构损坏
1College of Humanities and Arts, Macau University of Science and Technology, Macau, 999078, China.
Scientific reports
|August 4, 2025
概括
本研究介绍了一种数字双胞胎和改进的YOLO算法方法,用于检测文化遗产建筑中的结构损坏. 这种方法提高了准确性和效率,同时与手工方法相比降低了成本.
科学领域:
- 人工智能的人工智能
- 数字双胞胎技术是数字双胞胎技术.
- 保护文化遗产 保护文化遗产
背景情况:
- 文化遗产建筑物的结构损坏威胁到它们的完整性.
- 现有的深度学习方法难以完全覆盖和多角度观察建筑雕塑.
- 局限性包括当前物体检测技术中的大量检测错误.
研究的目的:
- 提出一种新的检测方法,将数字建模与改进的YOLO算法集成在一起.
- 为了使损害评估能够实现全角和多季节场景转换.
- 解决建筑遗产目前基于深度学习的对象检测局限性的问题.
主要方法:
- 通过基于无人机的全景扫描生成建筑场景的数字双胞胎模型.
- 利用改进的YOLO算法在各种环境条件下检测损坏.
- 采用评估指标来自动分析检测准确度和损坏程度.
主要成果:
- 提出的方法可以实现全角和多季节场景转换.
- 在不同的天气和照明条件下评估了检测性能.
- 该技术显著降低了劳动力成本,并提高了检测准确性和效率.
结论:
- 集成的数字双胞胎和改进的YOLO算法为评估历史建筑损坏提供了高度有效的解决方案.
- 这种方法为保护文化遗产提供了可靠的技术解决方案.
- 在数字化场景中,自动检测超越了传统的手动测量方法.


