摘要
以沥青路面裂缝病害为研究对象,旨在以及时发现路面损伤并进行针对性养护决策为视角,通过基于YOLO v5s神经网络结构的方法,为沥青路面病害识别提供参照。在裂缝病害特征提取过程中增加自适应注意力模块和特征增强模块,通过减少特征通道和增强特征金字塔,提取裂缝边缘不规则信息,可以有效提高裂缝识别准确率。同时,针对裂缝目标尺寸差异的挑战,通过重构特征金字塔结构,能够有效提高裂缝目标检测与定位的精确度。实验证明,改进算法对沥青路面裂缝识别准确率高达90.75%,相较于YOLO v3、YOLO v4及YOLO v5s识别算法,裂缝识别的平均准确度分别提高了11.58%、8.9%、1.98%,表明改进后的YOLO v5s算法在沥青路面裂缝识别上拥有更优的准确率。
出处
《信息技术与信息化》
2023年第10期128-131,共4页
Information Technology and Informatization
基金
新疆维吾尔自治区研究生科研创新项目(XJ2022G141)
新疆交通投资(集团)有限责任公司2022年度科研项目(ZKX-FWCG-202212-015)。
