基于改进YOLOv5s的桥梁螺栓缺陷识别方法

针对现有算法在检测桥梁螺栓缺陷时因螺栓背景复杂和尺寸较小而导致的特征提取不充分、目标定位不精确问题，提出了一种基于改进YOLOv5s的桥梁螺栓缺陷识别方法。该方法在骨干网络中引入注意力机制以提升模型对螺栓特征的提取能力并加深对螺栓全局特征的关注度；优化空间金字塔池化结构以减少螺栓特征信息流失；采用MPDIoU作为边界框回归损失函数，提高螺栓边界框的回归精度；将YOLO检测头解耦以消除目标检测中分类任务和回归任务共享检测头对边界框位置回归的负面影响。在螺栓锈蚀、螺栓松动、螺栓脱落和螺母脱落4类典型缺陷螺栓以及正常螺栓的3810张自制螺栓图像数据集上进行训练和测试，实验结果表明：本文算法对螺栓缺陷的检测精度达到90.8%，相较于YOLOv5s提升了3%，均值平均精度达到92.6%，相较于YOLOv5s提升了4.3%，可以应用于桥梁螺栓的缺陷智能识别。