复杂背景下的路面裂缝检测的关键技术

针对目前路面裂缝检测方法在复杂环境下识别率较低、鲁棒性较差的问题，提出一种改进网络CBAM-Res-GhostNet对路面裂缝实现有效分类。在卷积神经网络中引入Ghost模块和改进残差模块，加入卷积注意力，避免梯度消失和过拟合现象，实现对路面裂缝的准确判断；在此基础上，提出一种改进网络Self-Attention-UNet对路面裂缝区域进行高精度分割，引入自注意力机制增强模型裂缝特征提取能力，提高分割精度。在EdmCrack600数据集上，所提分类算法准确度达到99.13%,分割算法的精准率和F1值分别为86.85%和86.6%,相较原始方法具有更好的分类分割效果。