改进YOLOv5的路面井盖病害检测

摘要：

及时检测井盖病害对城镇居民出行安全至关重要.针对现有井盖分类体系不够完备以及检测精度低的问题,提出了基于改进 YOLOv5 的井盖病害检测方法.首先,根据北京市城市事件处置文件制定了井盖的分类标准,并制作了专门检测井盖病害的数据集;其次,为提高街景影像中井盖病害的检测精度,在 YOLOv5 的基础上提出新的主干网络以提升网络的特征提取能力,并在网络的主干中引入 CBAM注意力机制,增强了网络的抗干扰能力;最后,通过在街景数据上与其他方法的对比实验表明,提出的改进方法在精确率、召回率和调和平均值分别提升了 1.9%、3.7%和 2.6%,表明所提出的改进方法具有抑制道路病害、路面交通标识等干扰地物影响的能力.

关键词：井盖病害、深度学习、YOLOv5、注意力机制

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：40-46