基于改进YOLOv5的道路缺陷检测与分类研究

作者：蒋大伟; 吴正平; 景思伟

来源：信息技术与信息化, 2024, (02): 31-34.

DOI：10.3969/j.issn.1672-9528.2024.02.007

• 道路缺陷检测
• YOLO网络
• 自适应特征融合机制
• 集中注意力机制

针对道路缺陷识别中识别准确度低，容易出现漏检情况等问题，提出了一种改进YOLOv5网络的图像识别算法用于道路缺陷识别。首先，在YOLOv5网络的颈部网络中引入集中注意力机制（CBAM）与原有的CSP结构结合，提高对道路缺陷特征的关注能力。然后，在特征融合层引入自适应特征融合机制（ASFF），改善主干网络的特征提取能力，提升算法检测精度。最后，道路缺陷识别消融实验和对比实验表明，使用改进后的YOLOv5s算法的平均准确率达到77.2%，相较于原YOLOv5s算法提高2.3%，召回率达到74.9%，提高2.5%，其他各项指标均有提升，验证了改进方法的有效性。

• 单位
  三峡大学