基于改进YOLOv5的沥青路面裂缝检测方法

针对目前沥青路面裂缝目标检测技术在面对复杂路面情况(强光、积水、杂物等干扰因素)时识别精度较低的问题,通过构建沥青路面裂缝数据集,提出了一种基于改进YOLOv5s的沥青路面裂缝检测算法。首先,根据沥青路面裂缝数据集特点,对YOLOv5s原模型进行了以下改进:使用K-means++算法重新聚类裂缝数据集锚框,获得适合沥青路面裂缝特点的初始锚框;在模型的Prediction部分添加CBAM(convolutional block attention module)注意力模块,提高模型对于细小裂缝的检测能力;采用CIoU_Loss函数作为模型回归损失函数,提高锚框定位精度。其次,对YOLOv5s改进模型进行消融实验,证明了各项改进方案均能够提升模型检测能力,且互不冲突。最后,将YOLOv5s改进模型与各类经典目标检测模型分别在本文数据集、CFD数据集、Crack500数据集以及Crack200数据集上进行对比实验,实验结果表明,YOLOv5s改进模型在各个数据集上的检测效果均优于其他目标检测模型,并且该模型在本文数据集上的mAP@0.5以及mAP@[0.5:0.95]分别为90.58%、56.08%,远高于其他目标检测模型,表明YOLOv5s改进模型在面对复杂路面情况时检测效果较好,可为沥青路面裂缝自动化检测提供理论依据。