重庆理工大学学报（自然科学）

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

PDF (PC)

300

赞

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