设计应用

基于改进YOLOv5的路面裂缝检测方法

作者：王向前1，成高立1，胡鹏2，夏晓华2
发布日期：2024-03-20
来源：电子技术应用

引言

近年来，我国公路蓬勃发展，公路保养维护任务贯穿路面整个使用阶段[1]。在裂缝出现初期及时实现病害检测并修复，可有效地减缓或防止初期裂缝的恶化，对于提高路面使用寿命、保障行车安全具有重要意义。

路面裂缝检测方法主要有3种：传统的人眼观察识别方法主观性强；常规图像处理方法存在开发成本大、检测精度不高等问题；卷积神经网络相较于常规图像处理方法具有泛化性好、开发成本低等优点，但存在模型体积较大、检测精度有待提高的问题。文献[2]通过实验表明R-CNN系列、SPP-net和SSD等现有卷积神经网络模型体积较大；文献[3]证明YOLO的参数量较上述目标检测算法较少。但YOLO[3-4]系列算法在实际应用中依然存在模型体积大、裂缝检测精度不高等问题[5]。


本文详细内容请下载：

https://www.chinaaet.com/resource/share/2000005920


作者信息：

王向前1，成高立1，胡鹏2，夏晓华2

1.陕西高速机械化工程有限公司  2.长安大学 公路养护装备国家工程研究中心


杂志订阅.jpg

此内容为AET网站原创，未经授权禁止转载。
路面裂缝检测 YOLOV5 目标检测 C3TR CBAM

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2