原文传递
基于改进YOLOv5s算法的桥梁裂缝自动检测及分类
| 题名： | 基于改进YOLOv5s算法的桥梁裂缝自动检测及分类 |
| 作者： | 李佩 韩芳 杨凯 李正阳 |
| 作者单位： | 1. 武汉理工大学交通与物流工程学院 |
| 关键词： | 桥梁裂缝自动检测;裂缝分类;深度学习;YOLOv5s;注意力机制; |
| 摘要： | 为了克服传统人工裂缝检测方法费时费力、局限性大等弊端与不足，提出一种基于深度学习的裂缝自动检测与分类方法。采用YOLOv5s算法作为基础，引入2种不同的注意力机制——SENet和Coordinate Attention,这些机制从大量数据中快速筛选出高价值信息，从而提高了YOLOv5s模型在裂缝识别和分类方面的效率。原始的YOLOv5s模型在1 500张包含4种类型裂缝的图像上的检测结果为89.2%,引入注意力机制后，模型精度分别提高了5.7%和7.1%,达到了94.9%和96.3%。结果表明，改进后的YOLOv5s算法可以实现桥梁裂缝的自动检测及分类，在实际的桥梁性能测试中具有广泛应用前景。 |
| 期刊名称： | 交通科技 |
| 出版日期： | 202405 |
| 出版年： | 2024 |
| 期： | 6 |
检索历史
应用推荐
