基于改进YOLOv5的路面病害检测模型

作者：何铁军; 李华恩

来源：土木工程学报, 2023, 1-12.

DOI：10.15951/j.tmgcxb.22101073

• PD-YOLO
• 路面病害
• 目标检测
• 深度学习
• SPD模块

为进一步提高路面病害检测精度，本文在YOLOv5的基础上，提出了针对路面病害特征改进的检测模型Pavement Damage-YOLO (PD-YOLO)。PD-YOLO在网络结构中引入Space-to-depth层，以适应低分辨率和路面病害目标小的检测任务。此外，模型在池化层利用SPPFCSPC，在特征提取时获取不同的感受野，有效解决路面病害检测图像中目标大小差异较大的情况；在特征融合层引入ASFF模块使模型自适应学习不同特征间的联系，加强模型对病害目标区域的关注度。在对多组测试数据集测试中，与YOLOv5相比，PD-YOLO模型同时提高了检测结果的准确率、召回率、F1值以及mAP@0.5值，证明了PD-YOLO有着更强的特征提取能力和特征融合能力，在路面病害的检测上有更优越的表现。

• 出版日期2023
• 单位东南大学