基于改进YOLOv5的道路病害检测算法研究

作     者：文权锐 高玮军 WEN Quan-rui;GAO Wei-jun

作者机构：兰州理工大学计算机与通信学院甘肃兰州730050 

基　　金：国家自然科学基金(61762059) 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

年 卷 期：2025年第35卷第2期

页      码：191-198页

摘      要：受道路病害特征不明显、与背景对比度低等复杂因素的影响,基于传统数字图像处理技术的识别算法精度低。而现有深度学习目标检测算法参数量大,不适合移动端实时检测。为了更高效、准确地识别道路病害,提出一种基于YOLOv5的改进算法。该算法致力于实现道路检测的实时性和精确度之间的平衡,通过引入轻量级Ghost模块用更少的参数生成更多的特征图,减少模型参数;将基于CSP结构中的C3Ghost模块重新设计成一种新型的InceptionGhost模块,实现从不同尺度进行特征提取,保障模型精度。通过在骨干网络添加CBAM注意力机制进一步加强特征提取能力。由于采集到的样本分布不均匀,使用Focal-EIoU损失函数改善样本数量不平衡的问题,提高模型的鲁棒性。实验结果表明,改进后的算法较原有的YOLOv5s模型,mAP@0.5提高了2.5百分点,同时参数量压缩了36.6%,检测速度提高了16.9%;并通过与目前先进算法和其他改进算法的对比表明,该算法在精度和参数量方面显示出明显的优越性。

主 题 词：目标检测 YOLOv5 轻量化 注意力机制 道路病害检测 特征提取 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.20165/j.cnki.ISSN1673-629X.2024.0298

馆 藏 号：203157292...