[發明專利]一種基于改進YOLOv5的輕量化道路缺陷檢測方法

在審

• 申請號: 202210999034.0
• 申請日: 2022-08-19
• 公開（公告）號: CN115187583A
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 王毓;盧海鵬;王靜遠;吳至偉
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06N3/08;G06V10/764;G06V10/77;G06V10/774;G06V10/82
• 代理公司: 北京同輝知識產權代理事務所(普通合伙) 11357
• 代理人: 何靜

本發明公開一種基于改進YOLOv5的輕量化道路缺陷檢測方法，所述檢測方法包括以下步驟：獲取道路缺陷檢測數據集GRDDC；將YOLOv5模型的主干網絡用GhostNet輕量化網絡替代；引入了度量學習中的中心損失函數；對YOLOv5中的置信度損失和分類損失函數進行約束,得到新的損失函數；將改進后的YOLOv5模型中進行訓；將測試集中的圖像輸入改進后YOL0v5目標檢測模型中,得到該模型在測試集中的檢測結果。本發明檢測方法在初始YOLOv5目標檢測模型的基礎上利用GhostNet模塊替換YOLOv5中的主干網絡進行特征提取,使得網絡更好服務于移動端，采用注意力機制CA更加關注通道之間的信息，更好的分配權重，保證了模型目標檢測的準確率，利用中心損失作為正則化項對模型損失函數約束。從而更加準確檢測缺陷的類別。

技術領域

本發明涉及計算機視覺的目標檢測技術領域，具體是一種基于改進YOLOv5的輕量化道路缺陷檢測方法。

背景技術

隨著我國經濟快速地發展以及城市化的推進，汽車越來越多，道路隨之也變得越來越多。道路損壞也將變得成為十分常見的問題。道路缺陷一般分為縱向裂紋，橫向裂紋，鱷魚裂紋，坑洞等。隨著時間的變化,惡劣天氣、自然災害和交通等因素的影響,尤其是重型車輛交通量的增加,對道路使用壽命產生了重大影響。久而久之,路面就會出現裂縫,它會破壞路面的完整性,縮短使用周期。如果不及時處理路面損壞的問題,會帶來重大的交通隱患，因此及時發現問題去修補至關重要。

傳統上道路檢查是通過人工檢查或者其他昂貴的檢查設備去完成的。而實際過程中這些方法耗時耗力或成本昂貴令人望而卻步，使用這些設備傳感器進行道路檢查的例子也越來越普遍，通過將移動端設備安裝在日常運營的汽車上，由于道路圖像很難從正上方拍攝得到，這樣做涉及在車身外安裝攝像頭在我國是違法的同時道路圖像維護專用汽車的成本很高。

此外,即使使用一級檢測器YOLOv5模型去實時檢測道路，但是仍然不利于模型在移動端快速的部署，在實際應用中對道路中小目標缺陷或者密集缺陷檢測依舊存在欠缺，人工檢查成本高，危險系數大，儀器測量無法實時檢測。

發明內容

本發明的目的在于提供一種基于改進YOLOv5的輕量化道路缺陷檢測方法，通過改進模型對道路缺陷檢測提高了效率，不僅有助于及時補修，還減少了交通事故率，現有的深度學習模型在支持移動端方面檢測存在一定困難，檢測方法提高各種缺陷類型的檢測，也支持在移動端的使用，克服了現有模型無法實現終端檢測問題，既保證了檢測缺陷準確率的同時也輕量化網絡，滿足移動端設備。

本發明的目的可以通過以下技術方案實現：

一種基于改進YOLOv5的輕量化道路缺陷檢測方法，所述檢測方法包括以下步驟：

步驟一：獲取道路缺陷檢測數據集GRDDC，用PASCAL VOC對數據進行標記。

步驟二：將YOLOv5模型的主干網絡用GhostNet輕量化網絡替代，將輸入圖像送入改進后的目標檢測模型中，通過主干網絡的特征提取，再經過加入注意力機制CA提高通道信息，進行特征增強，最后特征融合得到改進后的YOLOv5模型。

步驟三：引入了度量學習中的中心損失函數,對YOLOv5中的置信度損失和分類損失函數進行約束,得到新的損失函數。

步驟四：將道路缺陷檢測數據集中的訓練集圖像輸入步驟三中改進后的YOLOv5模型中進行訓并保存訓練過程中改進后的YOLOv5模型在測試集上檢測準確率，參數少，計算量最低的權重參數。

步驟五：將測試集中的圖像輸入改進后YOLOv5目標檢測模型中,得到該模型在測試集中的檢測結果。

進一步的，所述數據集劃分為訓練集,驗證集和測試集，訓練集用于對模型進行訓練；驗證集用于對模型的訓練情況進行反饋,并以模型在驗證集上的表現情況將模型的權重參數保存,用于在測試和推理檢測時進行加載；測試集則主要用于對訓練好的模型進行最終的評估。