基于改进YOLOv5s的路面损伤检测

作者：王梦梦; 黄德启^*; 刘爽娜

来源：激光杂志, 2023, 44(05): 66-71.

DOI：10.14016/j.cnki.jgzz.2023.05.066

• 深度学习
• 路面检测
• YOLOv5s
• CBAM
• 损失函数

路面损伤检测是支持基础设施检测的重要任务，及时、准确、自动地检测路面损伤，对于经济有效的道路养护是必要的。针对道路检测中存在漏检问题，提出一种改进的YOLOv5s的道路检测算法。首先，用CBAM注意力机制模块替换主干网络中C3模块，在关注通道特征的同时关注位置信息，加强网络对重要信息的提取能力；其次用EIoU替换GIoU损失函数，解决了GIoU误差大的同时提高了收敛速度和回归精度；最后，为使细微损伤得到有效检测，在原始网络中增加极小目标的检测的输出，使三输出变成四输出，提高模型识别率。从精度和召回率的结果可知，改进后的YOLOv5s算法平均检测精度为96.9%,相较于原YOLOv5s算法提高了7.6%。能够有效检测出道路路面损伤，且其准确率优于其他的道路检测算法。

• 单位
  新疆大学