基于改进YOLOv5算法的道路伤损检测

道路伤损检测是道路养护过程中的重要基础性环节,传统道路伤损检测方法存在检测成本高且效率低的缺陷.为准确快速检测道路伤损状况,提出了一种基于YOLOv5改进的道路伤损检测模型YOLO-C-α.通过引入注意力机制CBAM模块,提高检测模型的特征提取及特征融合能力,改善模型对道路损伤小目标的漏检问题;引入α-IoU损失函数替换原始网络CIOU损失函数,降低预测框的回归损失,提升预测框的定位精度.基于RDD2020道路伤损检测数据集展开对比实验,结果显示:YOLO-C-α模型平均准确度达到60.3％,相比于原始模型平均精度提升1.4％,其F1值为60.2,相比于原始模型提升1％,且对于不同天气状况下的路面损伤均有较高的检测性能,实验环境每张图片的检测速度为6.3 ms,模型大小40.6 Mb.结果表明:本文基于YOLOv5m改进的算法抗干扰能力较强,能更准确地检测出多种天气状况下道路伤损目标,可为道路伤损实时检测及智慧化道路养护提供参考.