基于改进YOLO V5的公路桥梁裂缝检测方法

传统的图像处理算法不能很好地对桥梁裂缝进行检测，而经典的深度学习模型直接用于桥梁裂缝的检测时检测精度低，收敛速度慢，效果不甚理想。针对上述问题，本文在YOLO V5模型基础上提出引入C3-B(C3-Bottleneck)注意力机制模块，提高模型对目标的精确定位能力；使用PAN(路径汇聚网络)加权跨层级联，防止浅层语义的丢失；选取SIOU损失函数替换GIOU损失函数，进而提高收敛速度，实现复杂环境下的桥梁裂缝高精度检测。实验结果表明，对比原YOLO V5模型，本文方法的平均精度均值提升4.3%,精度提升5%,召回率提升1.2%,证明了本文方法对桥梁裂缝检测具有较好的效果。