基于深度學(xué)習(xí)的道路表面裂縫檢測(cè)研究

針對(duì)目前道路表面裂縫缺陷檢測(cè)方法普遍存在識(shí)別率低、實(shí)時(shí)性差以及多尺度特征下檢測(cè)效果不好等問題，提出 一種改進(jìn)的YOLOv5s算法模型。該算法引入simAM三維帶權(quán)注意力機(jī)制且不引入額外參數(shù)，在模型中融入加權(quán)雙向特征金字塔進(jìn) 行多尺度特征融合；同時(shí)改進(jìn)預(yù)測(cè)框損失函數(shù)，使得損失函數(shù)收斂更快。經(jīng)過對(duì)比實(shí)驗(yàn)，改進(jìn)后模型的裂縫檢測(cè)均值平均精度提高了2.2%，準(zhǔn)確率為90. 5%，表明了模型的有效性。