首页 | 本学科首页   官方微博 | 高级检索  
     

改进YOLOv5的路面缺陷快速检测方法研究
引用本文:陈建瑜,邹春龙,王生怀,夏力,陈哲.改进YOLOv5的路面缺陷快速检测方法研究[J].电子测量技术,2023,46(10):129-135.
作者姓名:陈建瑜  邹春龙  王生怀  夏力  陈哲
作者单位:湖北汽车工业学院机械工程学院
基金项目:国家自然科学基金(51675167);;湖北省高等学校优秀中青年科技创新团队计划项目(T2020018);;湖北省自然科学基金(2020CFB755);;湖北省教育厅科研项目(Q20191801)资助;
摘    要:为了实现路面缺陷的智能快速化检测,对深度学习目标检测算法YOLOv5进行改进,得到的3种检测模型(YOLOv5-A,YOLOv5-C,YOLOv5-AC)均可采用视频检测的方式对路面5类缺陷进行快速检测。采用智能手机和数码相机采集路面缺陷图像并制作数据集,在满足视频检测的需求下,使用K-means算法和1-IoU作为样本距离重新聚类anchor,得到更优的锚框参数;在网络多个结构中引入CBAM注意力机制,增强模型的特征提取能力。实验结果表明,YOLOv5-C算法在训练集上的平均精度达到91.8%,相较于原模型提高1%;YOLOv5-A算法在验证集上的平均精度达到92.7%,相较于原模型提高1.7%;在实际检测效果上,YOLOv5-AC算法在裂缝、破碎板和坑洞的识别准确度上达到89%、62%、90%,相较于原模型提高了45%、4%、5%,且模型的检测速度达到40 FPS。YOLOv5-AC算法具有较高的检测精度和识别速度,一定条件下可以满足在道路缺陷检测中的智能化实时检测需求。

关 键 词:道路工程  路面缺陷  YOLOv5  缺陷检测

Research on rapid detection method of pavement defects by improving YOLOv5
Chen Jianyu,Zou Chunlong,Wang Shenghuai,Xia Li,Chen Zhe.Research on rapid detection method of pavement defects by improving YOLOv5[J].Electronic Measurement Technology,2023,46(10):129-135.
Authors:Chen Jianyu  Zou Chunlong  Wang Shenghuai  Xia Li  Chen Zhe
Abstract:
Keywords:
点击此处可从《电子测量技术》浏览原始摘要信息
点击此处可从《电子测量技术》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号