改进YOLOv5的路面缺陷快速检测方法研究

来源：电子测量技术杂志2023年第10期北京时间：

作者：陈建瑜，邹春龙，王生怀，夏力，陈哲

单位：湖北汽车工业学院机械工程学院 十堰 442002

摘要：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。

关键词：道路工程;路面缺陷;YOLOv5;缺陷检测

基金资助：国家自然科学基金(51675167) 、湖北省重点研发计划项目(2021BAA056) 、 湖北省高等学校优秀中青年科技创新团队计划项目(T2020018)、湖北省自然科学基金(2020CFB755)、湖北省教育厅科研项目(Q20191801)资助