基于改进YOLOv5的桥梁裂缝模型研究

来源：计算机测量与控制杂志2023年第12期北京时间：

作者：郭佳佳,董增寿,常春波

摘要：桥梁裂缝人工检测耗时费力、安全性不高，为了高效、准确、无接触的对桥梁裂缝进行识别检测，提出一种基于改进YOLOv5的桥梁裂缝检测模型YOLOv5-SA；该方法在YOLOv5s模型的基础上，首先对收集的数据集利用几何变换、光学变换等操作进行数据增强；其次将融合视觉注意力机制 (SKNet，Selective Kernel Networks)添加到Head部分来提高模型对裂缝特征的表示能力；最后在金字塔特征表示法(FPN)的基础上利用自适应空间特征融合(ASFF, Adaptively Spatial Feature Fusion)模块加强网络特征融合能力，增加对桥梁裂缝小目标的检测；结果表明：改进后的模型相对于YOLOv5s模型能更好的抑制非关键信息，减少背景中的无效信息干扰，提高桥梁裂缝目标检测精准度；改进后的YOLOv5-SA模型准确率达到88.1%，与原YOLOv5s模型相比提高了1.6%；平均精度均值mAP0.5和mAP0.5-0.95分别达到90.0%、62.1%，相比而言分别提高了2.2%、2.4%；与其他桥梁裂缝检测相关方法(Faster-RCNN、YOLOv4tiny)相比，提出的YOLOv5-SA模型也具有相当或更好的检测性能；由此可见改进后的模型能更高效的检测复杂环境下的桥梁裂缝，可以为工业检测提供一部分思路。

关键词：桥梁裂缝;目标检测;注意力机制;YOLOv5;特征融合;图像处理

基金资助：山西省基础研究计划(自由探索类)面上项目(202303021211205)。