基于YOLOv5的湿润沥青路面裂缝检测

作者：张恩华; 王卫杰^*; 段楠; 康楠

来源：计算机科学, 2023, 50(S2): 396-400.

• 智能交通
• 裂缝检测
• 深度学习
• YOLOv5
• 湿润

为探究湿润环境对沥青路面裂缝自动检测效果的影响，文章通过YOLOv5深度学习目标检测算法，建立了沥青路面裂缝检测模型；并在此基础上，设置了湿润与干燥环境下的裂缝检测对比实验，对比了在两种环境下沥青路面裂缝检测结果的准确度与置信度。研究结果表明，湿润环境扩大了沥青路面裂缝在深度学习网络中的识别特征，提高了裂缝检测的效果。干燥路面裂缝检测的准确度为80.70%，湿润路面裂缝检测的准确度为89.47%，湿润环境下的沥青路面裂缝检测模型准确率提升了8.77%。同时，统计同一裂缝两种环境下检测的置信度发现，置信度平均值在干燥环境下为0.72，在湿润环境下为0.78，且湿润与否与裂缝检测的置信度存在显著正相关关系。研究成果为沥青路面裂缝自动检测效果的提升提供了新的思路，为路面养护管理的决策提供了有效工具。

• 单位
  南京工业大学