基于TAS-YOLO的道路表面缺陷检测

来源：电子测量技术杂志2024年第13期北京时间：

作者：李金涛，周兴林，尹雨飞，敖思铭

单位：武汉科技大学机械自动化学院 武汉 430081

摘要：针对路面小缺陷检测准确率低、漏检率和误检率高且均匀分布缺陷类型数据集难以采集问题，本文提出一种基于YOLOv5s的TAS-YOLO改进网络模型方法。首先，在预测结果阶段采用特定任务的上下文解耦头，通过分离分类和定位任务，增强定位检测框的精度；其次，通过FPN结构将5个尺度的特征图输入解耦头进行预测，增强小目标的多尺度特征信息；最后，使用滑动窗口损失函数优化YOLOv5，提高难分类样本的检测准确率，且模型收敛效果更好。实验结果表明，TAS-YOLO算法提升了各类缺陷的平均检测精度，mAP50值达到91.4%，FPS值达到126，较YOLOv7l、YOLOv8s、YOLOv9c-gelan和Efficientdet等主流检测算法提高了检测的精度和效率。

关键词：路面检测;上下文解耦;多尺度特征;损失函数

基金资助：国家自然科学基金项目(52372395，51778509)资助