基于改进YOLOv5的路面裂纹检测算法研究.pdf

基于改进YOLOv5的路面裂纹检测算法研究

摘要

中国是基础设施大国，交通运输对于国民经济的发展尤为重要。但随着时间的推

移，道路往往因为天气、修建路面的材料、时间等因素形成各种裂纹。路面裂纹还有

可能会演变成塌方这一类更加严重的灾害，因此对于路面裂纹的检测和及时处理对于

行人行车安全尤为重要。

传统路面裂纹检测会耗费大量的人力物力，因此本文提出一种改进YOLOv5的裂

纹检测算法来提高对路面裂纹的检测精度。本文的主要工作如下：

（1）针对基于YOLOv5的裂纹检测模型中存在的正负样本分配不合理现象，本

文提出在YOLOv5模型中引入并加以改进SimOTA动态标签分配技术以提高模型对

高质量正样本的关注度。

（2）针对裂纹检测过程当中出现的背景干扰问题，提出一种特征增强模块

OTSULayer，该模块基于OTSU算法计算阈值，进行前后景分割，通过处理背景区域

的抑制信息，与主干网络进行特征融合，从而对背景干扰进行抑制。引入并改进CA注

意力机制，在CA注意力模块中加入全局平均池化，提高对全局背景信息的提取从而

辅助模型对裂纹目标的检测。除此之外，本文还在SPPF空间金字塔池化过程中加入

全局平均池化，进一步提高对背景特征的处理。

（3）针对CSPDarknet53在提取特征时减少通道维度来减少计算量和模型复杂性

而造成的通道信息丢失问题，裂纹原始特征图尤为重要，因此本文基于深度可分离卷

积进行改进，提出利用原始特征和通道上分组卷积后得到的特征，通过相加操作来补

充通道间缺失的连续信息。

通过实验表明，改进后的模型在自制数据集CRACK4000、以及融合RDD2020、

RDD2022的数据集CRACK_RDD上相比于YOLOv5s模型，mAP分别提高了7.1%，

5.8%，FPS提高了7.77%和9.98%，参数量分别减少了33.2%和32.5%。

关键词：路面裂纹检测；YOLOv5，背景特征增强；深度可分离卷积；动态标签分配

基于改进YOLOv5的路面裂纹检测算法研究

Abstract

China,amajorcountryininfrastructuredevelopment,reliesheavilyontransportation

forthegrowthofitsnationaleconomy.However,overtime,roadstendtodevelopvarious

cracksduetofactorssuchasweather,pavementmaterials,andaging.Thesecrackscan

potentiallyevolveintomoreseveredisasterslikelandslides,makingtheirtimelydetection

andtreatmentcrucialforpedestrianandvehicularsafety.

Traditionalmethodsofpavementcrackdetectionareoftenlabor-intensiveandresource-

consuming.Therefore,thispaperproposesanimprovedYOLOv5crackdetectionalgorithm

toenhancetheaccuracyofpavementcrackdetection.Themaincontributionsofthispaper

areasfollows:

(1)Toaddresstheimbalanceintheallocationofpositiveandnegativesamplesinthe

YOLOv5-basedcrackdetectionmodel,thispaperintroducesandmodifiestheS