基于改进YOLOv5的桥梁裂缝模型研究

作者：郭佳佳; 董增寿^*; 常春波

来源：计算机测量与控制, 2023, 31(12): 188-194.

DOI：10.16526/j.cnki.11-4762/tp.2023.12.028

• 桥梁裂缝
• 目标检测
• 注意力机制
• YOLOv5
• 特征融合
• 图像处理

桥梁裂缝人工检测耗时费力、安全性不高，为了高效、准确、无接触地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)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)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模型能更好地抑制非关键信息，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mAP 0.5和mAP 0.5～0.95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地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。

• 单位
  电子信息工程学院; 太原科技大学