基于深度學習的道路表面裂縫檢測研究

針對目前道路表面裂縫缺陷檢測方法普遍存在識別率低、實時性差以及多尺度特征下檢測效果不好等問題，提出 一種改進的YOLOv5s算法模型。該算法引入simAM三維帶權(quán)注意力機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 行多尺度特征融合；同時改進預(yù)測框損失函數(shù)，使得損失函數(shù)收斂更快。經(jīng)過對比實驗，改進后模型的裂縫檢測均值平均精度提高了2.2%，準確率為90. 5%，表明了模型的有效性。