激光与红外

作者：蒋毅，彭雄，，王鹏涛，，赵超，，李寿科，方聪

单位：1.湖南科技大学 土木工程学院，湖南 湘潭 411201；2.结构抗风与振动控制湖南省重点实验室，湖南 湘潭 411201；3.中国建筑第五工程局有限公司，湖南 长沙 410004；

关键词：无人飞机;建筑饰面;脱粘缺陷;热成像;特征学习

基金：教育部“春晖计划”合作科研项目(No.HZKY20220354)；湖南省自然科学基金项目(No.2025JJ90167)；湖南省教育厅优秀青年项目(No.23B0451)资助。

既有建筑外墙饰面脱粘剥落造成安全事故屡见报道，对居民生命财产安全构成严重威胁。为了解决在多尺度视场中识别缺陷区域的挑战，本文提出了一种基于DRS YOLOv12的目标检测方法，利用旋翼无人机作为工作平台，并搭载红外热成像仪来对建筑外墙脱粘缺陷进行捕捉和检测。采用YOLOv12为模型基础架构，引入SE注意力机制和深度可分离卷积，设计一种新型轻量化检测模块SC Detect，减少了冗余特征并抑制背景以提高对红外图像的快速检测能力。通过对脱粘缺陷样本进行特征学习和模型训练，实现对无人机采集到的热成像图像中脱粘缺陷的准确识别，mAP最终达到0871。结果表明，基于DRS YOLOv12的改进深度学习算法能够准确识别饰面层脱粘缺陷的种类，可见满足工程精度要求。

来源：2026年第5期

《激光与红外》期刊编辑部

查看激光与红外杂志2026年第5期