来源：期刊VIP网 时间：
作者：戴鹏飞;邹京汕;杨柳;刘恒;阴慧颖;
单位：南京工业大学;中铁桥隧技术有限公司;西南交通大学信息科学与技术学院;西南交通大学综合交通大数据应用技术国家工程实验室;西南交通大学唐山研究院;
摘要：桥梁病害（如混凝土剥落、桥梁裂纹、铆钉锈蚀等）大多发生在局部区域，而目前对桥梁病害的检测通常没有实现病害在全桥的定位。结合无人机的高清摄像功能和YOLOv5的实时目标检测能力，可以实现对桥面病害的全场快速定位和检测。为此，提出一种基于YOLOv5的无人机桥面病害检测算法。采用无人机对桥梁路面进行数据采集，将轻量化模型YOLOv5s作为基础检测模型，并对YOLOv5s模型做如下改进：在模型现有的3个不同尺度特征图检测的基础上额外增加2个尺度，提高较大目标和较小目标的检测准确性；采用Soft-NMS算法替代NMS算法，同时为保证密集病害检测的全场快速定位和检测精度，将采集到的桥梁路面数据输入到改进YOLOv5s模型中，该模型输出即为桥面病害检测结果。实验结果表明，经过优化的YOLOv5s模型的mAP@0.5值达到了92.0%,mAP@0.5:0.95值也达到了73.2%。此外，该模型处理速度达到134 f/s，高效准确地识别了桥梁路面病害，显著提升了检测的精准性和效率。
关键词：桥面病害检测;;YOLOv5;;无人机;;图像采集;;多尺度检测;;特征融合
