来源：期刊VIP网 时间：
作者：张在岩;宋伟东;邬嘉晨;
单位：辽宁工程技术大学测绘与地理科学学院;黑龙江科技大学矿业工程学院;
摘要：针对国内水泥路面病害检测数据集缺乏、规模小、场景单一，以及深度学习算法在复杂场景下泛化能力不足的问题，提出一种基于改进YOLOv5的路面病害检测算法。收集并构建包含11 862张图像的水泥路面病害检测数据集，覆盖9类场景下的3类最常见病害类型；通过融合以IoU度量的K-Means聚类算法和遗传算法获取模型训练的先验锚框；在特征增强阶段，引入轻量级上采样模块（CARAFE），减少特征重组过程中的信息损失；引入顾及通道、高度和宽度维度的多维协同注意力模块（MCA），增强多尺度病害特征的辨别力。实验结果表明：所提算法在保持较快推理速度的前提下，F_1分数和平均精确率（mAP）分别达到75.5%和81.6%，优于5种主流的目标检测算法。实例分析表明：基于改进YOLOv5的路面病害检测算法能够满足大规模水泥路面病害智能检测与破损状况评价的实际需求。
关键词：水泥路面;;深度学习;;ISTD-PDD3数据集;;病害检测;;ISTD-YOLO模型
基金资助：国家自然科学基金项目（42071343）;; 黑龙江省省属本科高校基本科研业务费（2020-KYYWF-0690）
