基于深度学习的道路表面裂缝检测研究

下载PDF

导出

摘要针对目前道路表面裂缝缺陷检测方法普遍存在识别率低、实时性差以及多尺度特征下检测效果不好等问题,提出一种改进的YOLOv5s算法模型。该算法引入SimAM三维带权注意力机制且不引入额外参数,在模型中融入加权双向特征金字塔进行多尺度特征融合;同时改进预测框损失函数,使得损失函数收敛更快。经过对比实验,改进后模型的裂缝检测均值平均精度提高了2.2%,准确率为90.5%,表明了模型的有效性。

作者李续稳张青哲

机构地区长安大学机械学院

出处《机电信息》 2023年第17期27-31,共5页

基金陕西省自然科学基金(2018JM5049)。

关键词深度学习道路裂缝检测 YOLOv5s 多尺度融合注意力机制

分类号 TP391.41 [自动化与计算机技术—计算机应用技术]

引文网络
相关文献

参考文献5

1张伟光,钟靖涛,于建新,马涛,毛硕,石艺兰.基于机器学习和图像处理的路面裂缝检测技术研究[J].中南大学学报（自然科学版）,2021,52(7):2402-2415. 被引量：30
2王博,李齐,刘皎.一种轻量级的SSD道路裂缝检测算法[J].商洛学院学报,2022,36(4):83-90. 被引量：5
3仇天昊,陈淑荣.基于EfficientNet的双分路多尺度联合学习行人再识别[J].计算机应用,2022,42(7):2065-2071. 被引量：1
4邵延华,张铎,楚红雨,张晓强,饶云波.基于深度学习的YOLO目标检测综述[J].电子与信息学报,2022,44(10):3697-3708. 被引量：167
5彭雨诺,刘敏,万智,蒋文博,何文轩,王耀南.基于改进YOLO的双网络桥梁表观病害快速检测算法[J].自动化学报,2022,48(4):1018-1032. 被引量：20

二级参考文献27

1钟钒,周激流,郎方年,何坤,黄梅.边缘检测滤波尺度自适应选择算法[J].自动化学报,2007,33(8):867-870. 被引量：9
2马建,孙守增,杨琦,赵文义,王磊,马勇,刘辉,张伟伟,陈红燕,陈磊,康军.中国桥梁工程学术研究综述·2014[J].中国公路学报,2014,27(5):1-96. 被引量：500
3王德方,曾卫明,王倪传.基于改进K-means算法的不均匀光照下道路裂缝检测[J].计算机应用与软件,2015,32(7):244-247. 被引量：18
4王文,曹铁勇,郑云飞,李飞彬.第5讲深度学习在显著性检测中的应用[J].军事通信技术,2016,37(2):92-97. 被引量：1
5张慧,王坤峰,王飞跃.深度学习在目标视觉检测中的应用进展与展望[J].自动化学报,2017,43(8):1289-1305. 被引量：246
6李姣,张晓晖,朱虹,王婧.多置信度重排序的行人再识别算法[J].模式识别与人工智能,2017,30(11):995-1002. 被引量：6
7马建,赵祥模,贺拴海,宋宏勋,赵煜,宋焕生,程磊,王建锋,袁卓亚,黄福伟,张健,杨澜.路面检测技术综述[J].交通运输工程学报,2017,17(5):121-137. 被引量：87
8沙爱民,童峥,高杰.基于卷积神经网络的路表病害识别与测量[J].中国公路学报,2018,31(1):1-10. 被引量：99
9林懿伦,戴星原,李力,王晓,王飞跃.人工智能研究的新前线：生成式对抗网络[J].自动化学报,2018,44(5):775-792. 被引量：83
10冯小雨,梅卫,胡大帅.基于改进Faster R-CNN的空中目标检测[J].光学学报,2018,38(6):242-250. 被引量：116

共引文献216

1张明剑,冷盛峰,饶丹,徐向东,郑孝强.大数据道路监测管理平台的应用研究[J].运输经理世界,2021(23):81-83. 被引量：2
2邹剑,陈征,刘长龙,张乐,张玺亮,蓝飞,王威.基于YOLOv5s-CBAM的海上平台注水流程现场漏液智能检测[J].系统仿真技术,2024,20(2):175-179.
3周中,闫龙宾,张俊杰,龚琛杰.基于深度学习的公路隧道表观病害智能识别研究现状与展望[J].土木工程学报,2022,55(S02):38-48. 被引量：12
4刘颖,刘穗君,胡冰,褚十.基于机器视觉的烟梗关键参数检测算法[J].数字技术与应用,2024,42(3):203-207.
5徐亮,何伟,叶尔达·叶尔丁达拉,李楠楠.无人机智能巡检混凝土裂缝方法和机制研究[J].水利水电技术（中英文）,2024,55(S01):249-256.
6李健源,柳春娜,卢晓春,吴必朗.基于改进YOLOv5s和TensorRT部署的鱼道过鱼监测[J].农业机械学报,2022,53(12):314-322. 被引量：8
7何以生.沥青路面裂纹检测技术的应用[J].江西建材,2023(8):84-85.
8张博,姚奕帆,李斯妤.基于Yolov5与图像分析的道路病害目标检测方法研究[J].中国交通信息化,2024(S01):561-563.
9王铮帅,邱联奎,李迎港.复杂环境下的YOLOv5s烟火检测方法[J].电子测量技术,2023,46(24):149-156. 被引量：2
10王鑫杰,王吉平.YOLO目标检测算法综述[J].广西物理,2024,45(2):50-53.

1吴永冲,张钰带.现浇混凝土裂缝产生的原因及防治[J].广东建材,2023,39(9):135-136. 被引量：1
2林健,詹道桦.基于X射线图像的PCB缺陷检测系统[J].现代电子技术,2023,46(18):25-32. 被引量：1
3刘伟强,赵鹏,宋向迎.基于多尺度融合卷积神经网络的微光图像增强算法[J].激光与光电子学进展,2023,60(14):112-119. 被引量：2
4杨国亮,王吉祥,聂子玲.基于改进型YOLOv5s的番茄实时识别方法[J].江苏农业科学,2023,51(15):187-193. 被引量：2
5常春雷,运凯,王辉,张辉,徐赢,马崇瑞.一种深度学习改进算法的图像处理技术研究[J].单片机与嵌入式系统应用,2023,23(9):45-48.
6李金灵,李维刚,陈燕才,胡晟蓝,邱碧涛.基于改进YOLOv5算法的带钢表面缺陷检测[J].钢铁研究学报,2023,35(6):767-777. 被引量：6
7苗新法,李晓琴,刘宝莲,侯越.基于改进YOLOV4的铁轨裂缝目标检测算法[J].光电子．激光,2023,34(8):816-822. 被引量：4
8石露露,廖光忠.改进YOLOv5s的明渠漂浮垃圾实时检测方法[J].计算机技术与发展,2023,33(9):83-90.
9王炜昊,王夏黎,武历展,张倩,李超.融合多尺度密集块的低照度交通图像增强模型[J].计算机工程与应用,2023,59(17):223-231.
10江伟.土木工程中混凝土的裂缝成因与防治分析[J].中文科技期刊数据库（全文版）工程技术,2023(9):145-148.

机电信息

2023年第17期

浏览历史

内容加载中请稍等...

基于深度学习的道路表面裂缝检测研究

参考文献5

二级参考文献27

共引文献216

相关作者

相关机构

相关主题

浏览历史