摘要
针对沥青路面可见光图像在某些光照条件下检测效果不佳的问题,提出一种基于改进YOLOv5的红外图像沥青路面裂缝检测方法.以YOLOv5s为基础,融合Ghost模块优化主干网络和颈部网络结构,提高模型信息感知的全面性,降低模型复杂程度;引入坐标注意力(Coordinate Attention,CA)模块,增强对裂缝关键信息的提取,提高红外裂缝检测模型的准确度.采用红外热成像技术,结合数据增强构建红外沥青路面裂缝数据集,在自建的数据集上进行对比实验.实验结果表明,该方法的准确率(Precision,P)、召回率(Recall,R)、平均精度均值(mean Average Precision,mAP)可达到87.4％,82.5％,86.7％,相较于YOLOv5s检测方法分别提升3.4％,2.8％,5.0％,且模型计算量节省了48.73％,在嵌入式设备Jetson Xavier NX上可以实现31.25 f·s-1的检测速度,为后续移动机器人端实时路面裂缝检测提供了一种解决方案.
NETL
NSTL
维普
万方数据