来源：期刊VIP网 时间：
作者：牟宗磊;赵明;王彦;杜厚林;刘春晖;
单位：山东科技大学电气与自动化工程学院;力博重工科技股份有限公司;武穴市长江矿业有限责任公司;
摘要：针对目前道路裂缝目标检测方法存在的对早期裂缝特征识别能力弱、目标检测精度低等问题，提出基于改进YOLOv5的道路裂缝目标检测方法。首先，设计融合注意力机制的轻量化DP-CBC3模块，提高主干网络特征提取能力；其次，采用去权重的双向特征金字塔网络(Dw-BiFPN)替代路径聚合网络(PANet),实现更高层次的网络特征的融合，提高网络双向特征融合能力；最后，采用α-IoU损失函数替代CIoU损失函数，提高目标预测框的回归精度。实验结果表明，相较于原模型，改进的YOLOv5检测模型精确率提升21.39%,召回率提升2.33%,平均精度均值提升6.54%。该方法提升了道路裂缝目标检测效果，可有效解决道路裂缝目标检测难、精度低等问题。
关键词：道路裂缝;;目标检测;;YOLOv5模型;;去权重的双向特征金字塔网络;;α-IoU损失函数
基金资助：全国煤炭行业高等教育研究项目(2021MXJG076);; 青岛市博士后应用研究项目
