检索结果-南通市图书馆

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的高速路面缺陷检测方法研究

基于深度学习的高速路面缺陷检测方法研究

作者：王妍妍东北大学

学位级别：硕士

高速路是联系各项社会活动的纽带,对城市以及国家的经济发展起着关键作用,对其进行定期的检测与养护具有重要意义。然而,传统的人工缺陷检测方法因耗时耗力、精确度有限、检测人员安全难以保障等原因,不适应高速路快速发展的需求。随着... 详细信息

高速路是联系各项社会活动的纽带,对城市以及国家的经济发展起着关键作用,对其进行定期的检测与养护具有重要意义。然而,传统的人工缺陷检测方法因耗时耗力、精确度有限、检测人员安全难以保障等原因,不适应高速路快速发展的需求。随着传感器技术和视觉理论的兴起,基于深度学习的缺陷检测方法在板带钢、木材等领域取得丰硕成果。然而,在高速路面缺陷检测领域的相关研究却面临着诸多挑战。路面开放式的环境和动态采集图像导致图像中极易存在油污、树叶和噪声等强干扰,其次路面缺陷不同于其他块状工业缺陷,其结构多呈不规则线状,且由于缺陷成因具有随机性,使得其结构多变,再者部分修补等缺陷纹理、颜色与沥青背景相似。因此,如何有效捕获缺陷的属性特征、增强不同类别特征的区分性、确保缺陷的完整性始终是高速路面缺陷自动检测领域所面临的难点。从进一步提升高速路面缺陷检测准确率和鲁棒性的角度出发,本文重点以修补、裂纹、坑槽等路面缺陷为对象,进行基于深度学习的高速路面缺陷检测方法研究,构建高速路面缺陷数据集,针对图片级别和像素级别的缺陷检测任务,分别提出了一种基于语义指导和双路记忆选择的异常检测算法和一种基于矩形卷积金字塔和边界增强的显著性检测算法。论文的主要研究内容如下:(1)构建数据集为完善路面缺陷检测领域评估数据集,本文构建了高速路面修补异常检测和分割数据集,并完成图片级别和像素级别的缺陷标注。构建的数据集包含具有复杂背景或多样结构的样本,能较好反映实际路况,对于路面缺陷自动检测算法具有一定的挑战。(2)基于语义指导和双路记忆选择的异常检测算法研究针对传统检测方法效率低的局限性(缺陷图与无缺陷图均进行像素级别检测),提出一种基于语义指导和双路记忆选择的异常检测算法用于筛选缺陷图,利用高级语义信息从全局的角度指导低级特征学习对异常检测任务有益的信息,并与高级特征相融合,弥补因多次卷积导致的细节信息丢失的不足,其次以初始潜向量作为索引,从两个记忆矩阵中自适应寻找与之相近的单元进行重构,鼓励模型学习有区分度的特征,限制模型对缺陷样本的重构能力。实验结果表明,提出的异常检测算法能够有效筛选缺陷样本,优于其他同类模型。(3)基于矩形卷积金字塔和边界增强的显著性检测算法研究针对复杂背景下道路缺陷误检率高及低对比度情况下边缘分割模糊等问题,提出一种基于矩形卷积金字塔和边界增强的显著性检测算法,利用矩形卷积组从多个卷积层提取全局和多尺度对比度信息,有效增强模型泛化能力,且无需增加额外的计算。采用比上采样率大的卷积核来逐渐融合不同尺度的特征图,弥补不同级别的特征之间的差距,扩展网络的感受野。大量实验结果证明了本文提出的显著性检测算法在确保缺陷检测完整性的同时锐化缺陷边缘。

关键词：路面缺陷检测深度学习异常检测显著性检测

基于图像和点云的路面缺陷检测及点云修复技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于图像和点云的路面缺陷检测及点云修复技术研究

作者：施洋哈尔滨工业大学

学位级别：硕士

随着我国社会经济的发展,公路里程也随之不断扩大,路面破损不仅严重影响道路服务水平还危及行车安全,因此,路面缺陷检测已成为交管部门重视的主要问题。传统人工检测路面缺陷不仅效率低还存在极大的安全隐患,本文使用激光扫描仪和线阵... 详细信息

随着我国社会经济的发展,公路里程也随之不断扩大,路面破损不仅严重影响道路服务水平还危及行车安全,因此,路面缺陷检测已成为交管部门重视的主要问题。传统人工检测路面缺陷不仅效率低还存在极大的安全隐患,本文使用激光扫描仪和线阵相机对路面进行实时扫描,通过采集路面点云数据和图像数据进行缺陷检测,提高路面缺陷的检测效率及准确性。同时修复路面缺陷点云,其目的是从计算机仿真模拟的角度对路面缺陷进行修复,通过缺陷处点云修复结果,分析路面平整度指标,进而反映无缺陷路面点云的真实分布情况,以满足路面养护工作需求,可为实际路面缺陷修复提供合理、高效的技术支撑。本文首先研究路面常见缺陷的采集方法,根据《公路技术状况评定标准》对路面缺陷分类和破损评级,结合实际路面缺陷特征,选择合适方法完成路面缺陷数据采集。然后研究基于图像和点云的路面缺陷检测,针对路面裂缝缺陷采用图像特征的检测方式,通过对采集的裂缝图像进行预处理,实现图像噪声的有效去除,并突出裂缝区域特征的灰度细节,使路面裂缝图像得到增强。通过结合大津法与Canny边缘检测算法各自优点,实现路面裂缝图像分割,获得完整的裂缝二值图像,最后对路面裂缝几何特征进行分析计算。针对路面坑槽和拥包缺陷采用点云的检测方式,通过对路面缺陷点云进行预处理,实现非特征区域点云有效精简,并去除由设备或外部环境等因素影响产生的离群点,通过缺陷处点云的高程信息,直观反应路面凹凸情况,通过构建曲面分析曲率正负值,亦可以实现路面坑槽和拥包的检测。最后研究基于路面缺陷点云的修复方法,针对路面裂缝点云,通过坐标系转换,建立图像与点云之间的映射关系,利用径向基函数构建隐式曲面的方法,实现裂缝点云修复。针对路面坑槽和拥包点云,通过缺陷区域点云的最小外接矩形,采用边缘点邻域高程均值,逐层修复的方法,实现路面坑槽和拥包点云修复。为了验证本文所用方法的有效性,在基于图像和点云的路面缺陷检测中进行大量实验,检测结果均能达到90%以上的缺陷识别率,达到预期的检测效果。在基于点云的路面缺陷修复实验中,修复后的路面点云与缺陷边缘处点云衔接过渡自然,并且满足路面平整度指标要求。后续将针对提高缺陷检测精度和基于图像的路面缺陷修复进行进一步深入研究。

关键词：二维图像三维点云路面缺陷检测点云修复

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的路面缺陷检测方法研究

基于深度学习的路面缺陷检测方法研究

作者：李画长春大学

学位级别：硕士

当前我国公路设施体量逐年增加,为了真实地量化道路的损坏程度,提高道路的养护水平,确保安全、可靠且快捷交通运输过程,需要选用合理高效的检测方法。然而在目前主流的维护流程中,通常是由人工方式完成的,这种方式不仅需要耗费大量的时... 详细信息

当前我国公路设施体量逐年增加,为了真实地量化道路的损坏程度,提高道路的养护水平,确保安全、可靠且快捷交通运输过程,需要选用合理高效的检测方法。然而在目前主流的维护流程中,通常是由人工方式完成的,这种方式不仅需要耗费大量的时间和精力,而且工作效率低下。因此,实现对路面缺陷进行精确识别与自动化检测,是急需解决的工程实际问题。论文以路面缺陷检测为研究内容,围绕路面图像预处理、路面缺陷检测算法展开研究,设计了一种基于Mask RCNN算法自动检测路面图像中缺陷的方法,并开发了相应的可视化界面。首先,论文根据路面缺陷图像的特点,对路面图像进行直方图均衡化提高图片对比度,采用双边滤波在去除路面图像噪声的同时保留缺陷的边缘信息。对路面缺陷图像进行增强处理与样本扩充以解决现有的路面缺陷图像数量不足的问题。其次,论文阐述深度学习的基础知识和卷积神经网络整体框架,分析经典的深度学习算法的结构和原理,阐述了Res Net的作用,解析了Mask RCNN算法,并对Mask RCNN算法进行优化训练和测试。实验结果表明,所训练模型可以对各路面缺陷图像的有效特征进行自动学习并实现自动分类路面缺陷图像,均值平均精度达到90.42%,检测效果良好。最后,论文在得到性能较优的路面缺陷检测模型,开发人机交互界面,搭建了基于深度学习的路面缺陷检测平台。通过本论文研究,为路面缺陷检测提供了一种新的方法,实现了路面缺陷自动化检测,进一步的推进了路面工程养护检测技术的发展。

关键词：深度学习路面缺陷检测卷积神经网络 Mask RCNN ResNet

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的路面缺陷检测算法研究

基于深度学习的路面缺陷检测算法研究

作者：冯树杰陕西科技大学

学位级别：硕士

公路是现代交通运输的主要方式之一,在一个国家的经济发展中起重要的作用,是最基础、最广泛的交通基础设施。由于车辆碾压或自然灾害,公路路面在长期的使用过程中容易出现裂缝,坑洞等缺陷。缺陷的产生会导致驾驶舒适性和驾驶安全性降低... 详细信息

公路是现代交通运输的主要方式之一,在一个国家的经济发展中起重要的作用,是最基础、最广泛的交通基础设施。由于车辆碾压或自然灾害,公路路面在长期的使用过程中容易出现裂缝,坑洞等缺陷。缺陷的产生会导致驾驶舒适性和驾驶安全性降低,也会使得道路的使用寿命缩短。因此缺陷治理是道路养护的重要内容。但是现有的有关路面缺陷检测的研究还存在一些不足,如在检测路面缺陷时小尺寸缺陷的漏检问题,在分割路面裂缝时受噪声影响导致的误分割问题。因此,本文利用图像处理算法和深度学习技术,以常见的路面缺陷为研究对象,分别研究了一种路面缺陷的目标检测算法和一种路面裂缝的语义分割算法。本文的主要工作归结为如下几个方面:(1)设计了一种基于感受野模块和Soft-NMS的路面缺陷检测算法针对目前路面缺陷检测任务中出现的对于小目标的识别能力不足以及缺陷间距离过近导致的漏检问题,本文在单阶段目标检测网络Yolov4的基础上设计一种基于感受野模块(Receptive field block,RFB)和Soft-NMS(Soft non-maximum suppression)的路面缺陷检测算法。该算法首先在原有Yolov4模型中增加了针对小目标的检测分支,提升网络对于小尺寸缺陷的检测能力;之后将Yolov4原有的空间金字塔池化模块替换为具有更大感受野的RFB模块,提升网络的特征融合能力,最大程度地保留特征图中的小尺寸缺陷目标;并采用Soft-NMS对非极大值抑制算法进行改进,在检测阶段减少缺陷目标的漏检;最后通过K-means++聚类算法对先验锚框进行了重新设计,使锚框尺寸与目标更加匹配。在RDD2020数据集上进行实验表明,本文设计的检测算法能够提高路面缺陷的识别精度,可达到0.637的F1分数,提高了模型对路面小缺陷的检测能力。(2)设计了一种基于条件生成对抗网络的路面裂缝分割算法针对目前路面裂缝分割任务中由于路面表面背景复杂,具有各种干扰会造成裂缝分割不准确问题,本文在语义分割模型U-net3+的基础上设计一种基于条件生成对抗网络(Conditional generative adversarial network,CGAN)的路面裂缝分割算法。生成器使用加入注意力模块的U-net3+,目的是生成路面裂缝的分割图像。注意力模块从通道和空间两个维度凸显裂缝特征和抑制噪声特征,并进行跨维度的特征融合,获取更具互补性的裂缝特征。将原始图像分别与真实裂缝标注和生成分割图像拼接后输入到判别器中,判别器采用马尔可夫判别器来判断图像的真伪。此外,本文设计了加权混合损失函数,利用生成图像和标注图像之间的差异进一步提高分割的精度。对生成器和判别器进行交替的博弈训练,目的是从生成器中生成的分割图像与真实的裂缝标注图像高度相似,从而实现裂缝的分割。在Crack500数据集上的实验结果表明,在背景复杂的路面裂缝分割中该方法能够排除各种干扰,具有更好的性能。(3)完成了路面缺陷检测系统的软件设计本文对路面缺陷检测系统进行了软件设计并实现了软件功能。首先为了加快网络被调用时的运行速度,使用Tensor RT对本文设计的算法模型进行了推理加速。然后根据路面缺陷检测系统的结构设计了检测系统的软件,并搭载了本文设计的路面缺陷检测算法和路面裂缝分割算法。使用PyQt5实现了路面缺陷检测系统的界面设计,为用户提供了图形化界面,使得用户能够便捷地操作和使用。综上所述,本文针对目前路面缺陷检测算法中存在的问题,分别设计了一种路面缺陷的检测算法和一种路面裂缝的分割算法,通过实验验证了两种算法的优越性,并完成了路面缺陷检测系统的软件设计,包括使用Tensor RT对模型进行加速和使用PyQt5对用户界面进行设计。

关键词：路面缺陷检测 Yolov4 感受野模块 Soft-NMS 路面裂缝分割条件生成对抗网络 U-net3+

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的路面缺陷检测研究

基于深度学习的路面缺陷检测研究

作者：左昊重庆三峡学院

学位级别：硕士

路面在频繁的使用过程中受到自然因素或人为因素的影响下,会逐渐产生各种程度的缺陷(例如裂缝、坑槽等),这些路面缺陷如果得不到及时修复,会影响到车辆行驶的平稳性和安全性,甚至可能导致交通事故的发生。通过使用路面缺陷检测技术,可... 详细信息

路面在频繁的使用过程中受到自然因素或人为因素的影响下,会逐渐产生各种程度的缺陷(例如裂缝、坑槽等),这些路面缺陷如果得不到及时修复,会影响到车辆行驶的平稳性和安全性,甚至可能导致交通事故的发生。通过使用路面缺陷检测技术,可以及时识别道路表面的缺陷,以便及时地采取相应的维修措施。传统的路面缺陷自动化检测技术由于检测速度慢或检测精度低等缺点无法对路面缺陷进行有效检测。随着近些年深度学习在计算机视觉领域的出色表现,基于深度学习的路面缺陷检测技术也得到了快速发展。但在路面缺陷检测任务中仍存在检测精度较低的问题,尤其是在复杂路面条件下:路面缺陷形态复杂,大小不一,在受到光照、雨雪等自然天气的影响下,使得检测难度增大。本文在分析了相关文献的基础上,对基于深度学习的路面缺陷检测算法进行了深入的研究,主要的研究内容如下:(1)为了提升YOLOv5在路面缺陷检测中的检测精度,首先,针对路面缺陷正负样本不平衡问题,对YOLOv5的正样本选择区域进行扩大,获取更多在网络训练过程中对梯度有所增益的正样本。其次,在YOLOv5中使用新的损失函数SIo U,减少了训练过程中预测框游走的可能性,在提升精度的同时对于网络在路面缺陷数据集中进行训练时,其收敛速度也有所提高。最后,为了进一步加强网络捕捉路面缺陷特征的能力,引入CBAM注意力机制,并增强CBAM注意力机制的空间信息捕捉能力,即使用3个串行的5?5卷积核来捕捉更多的路面缺陷特征信息,进一步提高了YOLOv5的检测精度。(2)针对路面缺陷检测中的裂缝检测效果不佳的问题,在研究工作(1)的基础上中使用更大的卷积核,更大的卷积核具有更大的感受野,能更好的捕捉裂缝的形状和边缘等细节特征。通过使用一种大卷积核结构,提高大卷积核的性能。首先在大卷积核使用结构重参数化,在保证模型检测速度的同时提高模型的检测精度。其次使用深度可分离卷积来减少大卷积核带来的网络参数的数量。此外,在自建的路面缺陷检测数据集上与其他算法进行了实验验证,本文所提出的路面缺陷检测模型在路面缺陷检测任务中有更好的鲁棒性。(3)通过对YOLOv5在路面缺陷检测中的研究,实现了一个路面缺陷检测系统的开发,系统主要实现在浏览器对路面缺陷进行检测和检测结果的存储。本文对YOLOv5进行了一系列研究,通过在RDD2020数据集上进行实验验证所提出的改进是有效的。最终,本文提出的模型相对于YOLOv5的m AP提高了3.2%,鲁棒性也相对较好。此外,在这一研究基础上实现了一个路面缺陷检测系统。

关键词：路面缺陷检测 YOLOv5 大卷积核 CBAM注意力机制

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的路面缺陷检测方法研究

基于深度学习的路面缺陷检测方法研究

作者：王鑫内蒙古科技大学

学位级别：硕士

随着我国交通运输业的飞速发展,我国已经形成了一定规模的公路交通网。但是庞大的交通网络给公路监管和路面养护带来了挑战。现有路面缺陷主要是裂缝和一些不规则缺陷。这些缺陷不仅在很大程度上减少了公路使用寿命,而且给行车安全带来... 详细信息

随着我国交通运输业的飞速发展,我国已经形成了一定规模的公路交通网。但是庞大的交通网络给公路监管和路面养护带来了挑战。现有路面缺陷主要是裂缝和一些不规则缺陷。这些缺陷不仅在很大程度上减少了公路使用寿命,而且给行车安全带来了威胁。因此,能够及时发现并修复这些缺陷对公路安全有着至关重要的作用。本文针对这些问题提出一种基于深度学习的路面缺陷检测方法,该方法能够快速高效的对路面缺陷进行实时检测。主要研究内容包括路面缺陷图像采集方法、路面缺陷目标检测、路面缺陷图像分割、路面缺陷量化评价和路面缺陷自动检测系统设计五部分。针对现有图像采集方法成本高效率低等不足,提出了一种路面缺陷图像采集方法。该方法引入透视变换,结合目标检测和图像裁剪等图像处理技术使得路面缺陷图像采集快速高效。通过该方法建立了目标检测数据集PD-Dataset和图像分割数据集CRACK2000。这两种数据集包含各种裂缝、坑洞和补丁等多种路面缺陷类型,而且具有复杂的背景干扰,比较符合实际路况,非常具有代表性。在目标检测中,使用了最优的YOLOv5网络,其m AP达到了91%,实现了对路面缺陷位置类别的精确检测。在图像分割部分,提出了一种U型多尺度扩张卷积网络U-MDN。U-MDN使用U-Net作为主干网络,加入设计的U-MDM完成了对路面缺陷深度特征的提取。实验表明,U-MDN在Precision、Recall和F1-score等指标下均优于U-Net。最后根据目标检测和图像分割得到的结果对各种缺陷进行量化计算,包括各种线性裂缝的长度、宽度以及覆盖面积,网状裂缝的最小外接矩形面积等量化参数。并且基于这些量化参数计算路面状况指数PCI,最终得到路况健康等级以完成对路面的检测。路面缺陷的自动检测对路面状况评估意义重大。为了给路面维修提供理论依据,本文设计的路面缺陷自动检测系统能够对路面缺陷的位置和类别进行精准定位和分类。而且提出的U-MDN能够对图像中缺陷区域实现像素级分割,使得到的细分结果直接用于路面量化评价。因此,路面图像经过该系统能够直接输出相应维修建议,增强了路面缺陷检测的实用性。

关键词：路面缺陷检测目标识别图像分割深度学习多尺度特征

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于车载移动设备震动信号的路面缺陷检测

基于车载移动设备震动信号的路面缺陷检测

作者：孙江伟北京交通大学

学位级别：硕士

近年来,公路作为我国基础建设项目之一,对改善人民生活和促进国家各领域发展都起到十分重要的作用。随着时间的推移,早期建成公路由于施工技术的限制、自然条件的影响以及公路高负荷使用等,导致道路表面结构出现不同程度的损伤,且最终... 详细信息

近年来,公路作为我国基础建设项目之一,对改善人民生活和促进国家各领域发展都起到十分重要的作用。随着时间的推移,早期建成公路由于施工技术的限制、自然条件的影响以及公路高负荷使用等,导致道路表面结构出现不同程度的损伤,且最终以坑槽的形式呈现。为了保障公路行车安全、平稳、舒适,路面养护工作就需及时、有效的开展。但由于我国公路里程数量庞大,人工巡检效率低下、基于视频图像的自动化检测方式需要安装特定设备,且视频数据量巨大,传输、存储和分析代价高,无法满足我国公路养护工作快速、高效的基本要求。面临以上种种挑战,本文提出基于车载移动设备震动信号的路面缺陷检测方法,旨在加快缺陷检测效率,提升公路行驶安全保障。主要研究内容如下:(1)自主研发数据采集APP并构建路面缺陷震动信号数据集。因课题相对新颖,未找到路面缺陷震动信号相关数据集。所以,决定使用移动设备加速度传感器结合GPS定位系统、相机、高德离线地图等相关技术自主开发震动信号采集APP,并搭配普通汽车完成数据采集工作。收集到的原始震动信号通过标注、提取、数据清洗、数据填充等处理,构建优质的路面缺陷震动信号数据集。本文使用统计学中均值、方差,并绘制数据变化曲线,分别分析数据集中每类数据的统计特征和实际规律特征。(2)提出基于时序和形态特征融合的震动信号缺陷检测模型。根据数据集中各类数据的特征,寻找适合处理本课题相关问题的算法模型。针对现存模型提取的时序数据特征比较单一且现存网络在本文自主构造的数据集上表现不佳的问题,提出多特征融合网络LCN(LSTM and CNN’s Networks,LCN)和TCN(Transformer and CNN’s Networks,TCN)。LCN和TCN网络均使用双分支结构,其中LSTM/-Transformer分支主要提取数据之间相关性特征,CNN-Inception分支主要提取数据整体形态特征,并在CNN-Inception分支加入通道注意力机制SENet,提高重要通道的关注度。最后将两个分支提取的特征进行融合,提升特征的完整性与全面性。实验结果证明,本文搭建的模型相较于参考模型在自建数据集上的效果更佳,分类准确率总体平均提升4%以上。(3)为了使模型更好的落地,设计实现了“路面缺陷智能检测系统”。该系统集成了路面震动信号上传与检索、震动信号可视化、震动信号预分析、路面缺陷检测与可视化、路面缺陷统计与可视化等核心功能。实现一站式快捷检测路面缺陷,为后期养护工作打下坚实的基础。

关键词：路面缺陷检测路面震动信号时间序列数据智能检测系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于注意力和特征融合的路面缺陷检测算法

计算机技术与发展 2024年

作者：谢文斌李顺新武汉科技大学计算机科学与技术学院武汉科技大学大数据科学与工程研究室湖北智能信息处理与实时工业系统重点实验室

针对现有道路损伤检测方法检测精度不足，难以兼顾模型规模和精度的问题，提出了一种路面损伤实时检测算法YOLOv8-Pavement defect(YOLOv8-PD)。由于YOLOv8网络在快速目标检测拥有显著成效，将其作为改进的基准网络。首先，在骨干网络... 详细信息

针对现有道路损伤检测方法检测精度不足，难以兼顾模型规模和精度的问题，提出了一种路面损伤实时检测算法YOLOv8-Pavement defect(YOLOv8-PD)。由于YOLOv8网络在快速目标检测拥有显著成效，将其作为改进的基准网络。首先，在骨干网络上，在YOLOv8特征提取模块C2f上融合ECA注意力机制，能够更好提取图片特征和关注重点对象；此外，在颈部结构引入LightConv结构进行轻量化，最后，针对坑洞(D40)检测不理想的情况，加入小目标层和加权特征融合，加强对于小目标坑洞的检测效果。实验结果表明，在RDD2022路面损伤数据集上，YOLOv8-PD比原算法YOLOv8n在m AP50-95上提升了5.67%，在m AP50上提升了3.06%，在T4上FPS上达到了71FPS，满足实时检测的需求，与YOLO等主流算法相比，算法在精度上超越了所有的YOLO系列的轻量级模型，证明了改进算法的有效性。

关键词： YOLOv8n 注意力机制轻量化深度学习路面缺陷检测

基于改进YOLOv5的路面缺陷检测算法研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

信息技术与信息化 2023年第1期 50-53页

作者：左昊牛晓伟重庆三峡学院重庆404100

针对传统的路面缺陷检测算法,路面缺陷特征提取单一,且依赖于人工提取,导致检测效率低下的问题,提出了一种基于改进YOLOv5的路面缺陷检测算法。针对原算法对路面缺陷的位置信息提取不充分,引入CBAM注意力机制并对空间注意力中的7*7卷积... 详细信息

针对传统的路面缺陷检测算法,路面缺陷特征提取单一,且依赖于人工提取,导致检测效率低下的问题,提出了一种基于改进YOLOv5的路面缺陷检测算法。针对原算法对路面缺陷的位置信息提取不充分,引入CBAM注意力机制并对空间注意力中的7*7卷积层替换为3个串行5*5卷积后使用1*1卷积融合3个不同感受野下的特征信息,增强提取缺陷位置信息的能力。在训练阶段,增加正样本的数量,缓解模型训练时的正负样本不均衡。为证明该算法的有效性,在公共数据集GRDDC2020上进行验证,实验表明,改进后的YOLOv5算法F1-score相比于原YOLOv5算法提高2.1%,达到57.7%。

关键词：目标检测 CBAM 路面缺陷检测 YOLOv5