原文传递
基于YOLOv5的公路路面病害检测方法研究与应用
| 论文题名： | 基于YOLOv5的公路路面病害检测方法研究与应用 |
| 关键词： | 公路养护;路面病害检测;数据处理;深度学习;边界框损失函数 |
| 摘要： | 存在病害的路面极易引发交通事故，其安全性直接影响着人们的生命和财产安全。若不及时进行修理，小的病害通常会发展为大的路面破损，严重的甚至导致路面重新修建，造成大量不必要的经济损失。由于修理不同类型路面病害所需材料有所差异，因此准确识别路面病害的位置及类型对路面的养护工作尤为关键。 本文通过分析公路路面病害检测任务的需求，结合路面病害检测技术的发展现状，基于深度学习的目标检测技术来实现路面病害的检测。本文的主要研究工作总结如下： 首先，对目标检测中的边界框损失函数进行总结归纳，分析它们所存在的优缺点。为了弥补以往损失函数所存在的局限性，提出了基于IoU的边界框损失函数RDDIoU Loss。通过模拟实验对比了RDDIoU Loss与先前边界框损失函数的性能，并在COCO数据集上进行实验，验证了边界框损失函数RDDIoU Loss的有效性。 其次，综合考虑并选择YOLOv5作为基准网络进行深入研究。结合路面病害所独有的特征，对数据增强、主干网络、Neck网络、损失函数和TTA等模块进行改进，得到了适用于路面病害检测的网络YOLO-RDD。接着介绍了本文制作的路面病害检测数据集的详细信息。又通过实验比较了YOLO-RDD和几种典型目标检测算法在路面病害检测任务中的性能，实验结果表明本文提出的模型取得了mAP93.9%和F1-Score88.5%的成绩，优于其它典型目标检测模型。 最后，通过分析用户需求，结合路面病害检测任务的最终目的，设计了路面病害检测系统，并对其功能模块以及系统流程进行了讨论。为了满足不同用户群体的需求，分别将YOLO-RDD模型部署在Web服务器和Windows平台，实现了多平台的检测，也验证了本文改进算法的有效性和实用性。 |
| 作者： | 李宁 |
| 专业： | 计算机技术 |
| 导师： | 常霞;马军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北方民族大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
