基于改进YOLOv5的路面缺陷检测算法研究

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%。