基于改进YOLOv5的无人机影像道路裂缝检测方法

道路裂缝的出现对道路使用寿命和人车安全带来明显影响，需及时检测出道路裂缝。针对无人机影像中裂缝目标小、图像背景复杂导致检测精度低等问题，本文以无人机采集裂缝图像作为研究数据，提出了一种改进YOLOv5模型的深度学习道路裂缝检测方法。在YOLOv5模型骨干网络中分别加入CBAM、SimAM、CA注意力机制，提高模型对裂缝的识别能力及检测精度，通过消融试验进行对比分析，同时在YOLOv5模型上融入自适应空间特征融合算法，改善裂缝特征提取能力。研究表明，改进后的YOLOv5网络模型相比于原模型，精度得到明显提高，均值平均精度(mAP)提升20.6%,在保证准确性的同时有效提高了检测精度，可为道路裂缝检测提供新的方法。