-
题名基于改进YOLOv5的道路裂缝目标检测方法
- 1
-
-
作者
牟宗磊
赵明
王彦
杜厚林
刘春晖
-
机构
山东科技大学电气与自动化工程学院
力博重工科技股份有限公司
武穴市长江矿业有限责任公司
-
出处
《山东科技大学学报(自然科学版)》
北大核心
2025年第2期86-94,共9页
-
基金
全国煤炭行业高等教育研究项目(2021MXJG076)
青岛市博士后应用研究项目。
-
文摘
针对目前道路裂缝目标检测方法存在的对早期裂缝特征识别能力弱、目标检测精度低等问题,提出基于改进YOLOv5的道路裂缝目标检测方法。首先,设计融合注意力机制的轻量化DP-CBC3模块,提高主干网络特征提取能力;其次,采用去权重的双向特征金字塔网络(Dw-BiFPN)替代路径聚合网络(PANet),实现更高层次的网络特征的融合,提高网络双向特征融合能力;最后,采用α-IoU损失函数替代CIoU损失函数,提高目标预测框的回归精度。实验结果表明,相较于原模型,改进的YOLOv5检测模型精确率提升21.39%,召回率提升2.33%,平均精度均值提升6.54%。该方法提升了道路裂缝目标检测效果,可有效解决道路裂缝目标检测难、精度低等问题。
-
关键词
道路裂缝
目标检测
YOLOv5模型
去权重的双向特征金字塔网络
α-iou损失函数
-
Keywords
road crack target detection
YOLOv5 model
Dw-BiFPN
α-iou loss function
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
U418.6
[交通运输工程—道路与铁道工程]
-
