改进YOLOv5的路面缺陷快速检测方法研究

作者：陈建瑜; 邹春龙; 王生怀^*; 夏力; 陈哲

来源：电子测量技术, 2023, 46(10): 129-135.

DOI：10.19651/j.cnki.emt.2211195

• 道路工程
• 路面缺陷
• YOLOv5
• 缺陷检测

为了实现路面缺陷的智能快速化检测，对深度学习目标检测算法YOLOv5进行改进，得到的3种检测模型(YOLOv5-A,YOLOv5-C,YOLOv5-AC)均可采用视频检测的方式对路面5类缺陷进行快速检测。采用智能手机和数码相机采集路面缺陷图像并制作数据集，在满足视频检测的需求下，使用K-means算法和1-IoU作为样本距离重新聚类anchor,得到更优的锚框参数；在网络多个结构中引入CBAM注意力机制，增强模型的特征提取能力。实验结果表明，YOLOv5-C算法在训练集上的平均精度达到91.8%,相较于原模型提高1%;YOLOv5-A算法在验证集上的平均精度达到92.7%,相较于原模型提高1.7%;在实际检测效果上，YOLOv5-AC算法在裂缝、破碎板和坑洞的识别准确度上达到89%、62%、90%,相较于原模型提高了45%、4%、5%,且模型的检测速度达到40 FPS。YOLOv5-AC算法具有较高的检测精度和识别速度，一定条件下可以满足在道路缺陷检测中的智能化实时检测需求。

• 出版日期2023
• 单位湖北汽车工业学院