重庆理工大学学报(自然科学) ›› 2023, Vol. 37 ›› Issue (11): 213-220.

• 信息·计算机 • 上一篇    下一篇

融合 CBAMYOLOv7模型的路面缺陷智能检测方法研究

张艳君,沈 平,郭安辉   

  1. (中交第二公路勘察设计研究院有限公司,武汉 430056)
  • 出版日期:2023-12-14 发布日期:2023-12-14
  • 作者简介:张艳君,女,高级工程师,主要从事路桥设计与施工研究,Email:jiegou_jiance@126.com。

Research on intelligent detection method of pavement defects incorporating CBAM-YOLOv7 model

  • Online:2023-12-14 Published:2023-12-14

摘要: 针对目前路面缺陷检测精度不高的问题,基于目前综合性能较强的 YOLOv7模型 进行改进,提出了融合卷积注意力模块的 CBAMYOLOv7模型。该模型通过重参数化、高效聚 合、辅助训练等模块来加快模型的收敛过程,还通过融合卷积注意力机制来提升模型的检测精 度。面向路面缺陷多分类问题,在公开数据集上分别使用 FasterRCNN、YOLOv6、YOLOv7、 CBAMYOLOv7模型进行实验验证分析,利用 mAP值、F1值、FPS值作为模型的精度与效率评 价指标。实验结果显示:融合 CBAMYOLOv7的路面缺陷检测结果的 mAP值和 F1值分别能达 到 83.75%和 67.8%,FPS值能达到 51.22Hz,相较于其他模型均有明显提高。

关键词: 路面缺陷检测, 卷积神经网络, YOLOv7模型, CBAMYOLOv7模型

中图分类号: 

  • TP391.4