【技术实现步骤摘要】
本专利技术属于道路病害检测，特别涉及一种基于多尺度融合策略和改进yolov5的道路病害检测方法及装置，尤其适用于大尺寸无人机影像自动道路病害检测。
技术介绍
1、城市道路作为重要的基础设施之一，常受恶劣环境和车辆负荷的影响，导致出现多种道路病害。为了及时采取维护措施，市政部门需要快速获得道路病害信息，避免问题进一步恶化。然而传统的人工测量或车载传感器获取点云和影像数据后进行人工检测的方式效率低、不安全且主观。虽然专业道路病害检测车提高了效率，但代价高昂。目标检测算法经过多年发展，从传统的手工特征提取到基于卷积神经网络的特征提取，不仅提高了准确性，还提升了速度。近年来，一些研究利用ccd，街景相机和车载手机相机结合深度学习技术自动提取道路病害信息，虽然效率提高，但车载相机视野受限，易受附近车辆遮挡。
2、随着城市道路交通效率的提升成为重要目标，道路设计正日益趋向复杂化，车道被分割成多个部分以适应不同的交通任务。然而，为了获取完整的道路表面数据，车载相机需要多次往返，效率较低。与此不同，无人机因其轻便、灵活、易操作且低成本的特点...
【技术保护点】
1.一种基于多尺度融合策略和改进YOLOv5的道路病害检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的基于多尺度融合策略和改进YOLOv5的道路病害检测方法，其特征在于，所述数据集包含466张尺寸为5472x3648像素的无人机影像，涵盖6个类别和4183个道路病害实例。
3.根据权利要求2所述的基于多尺度融合策略和改进YOLOv5的道路病害检测方法，其特征在于，将尺寸为5472x3648像素的无人机影像裁剪成1280x1280像素的小尺寸影像块，用于预测小尺寸目标；
4.根据权利要求1所述的基于多尺度融合策略和改进YO...
【技术特征摘要】
1.一种基于多尺度融合策略和改进yolov5的道路病害检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的基于多尺度融合策略和改进yolov5的道路病害检测方法，其特征在于，所述数据集包含466张尺寸为5472x3648像素的无人机影像，涵盖6个类别和4183个道路病害实例。
3.根据权利要求2所述的基于多尺度融合策略和改进yolov5的道路病害检测方法，其特征在于，将尺寸为5472x3648像素的无人机影像裁剪成1280x1280像素的小尺寸影像块，用于预测小尺寸目标；
4.根据权利要求1所述的基于多尺度融合策略和改进yolov5的道路病害检测方法，其特征在于，yolov5的结构包括主干网络、特征融合网络和分类回归头部，所述主干网络包括c3模块、conv模块和sppf模块，所述特征融合网络包括panet；
5.根据权利要求4所述的基于多尺度融合策略和改进yolov5的道路病害检测方法，其特征在于，在主干网络中添加c3-res2block模块替换原有的c3模块包括：在yolov5的c3模块中将bottleneck结构替换为res2net的bottleneck结构，形成了c3-res2block，其中res2net的bottleneck结构将3×3卷积拆解为多个3×3卷积提取多尺度特征。
6.根据权利要求5所述的基于多尺度融合策略和改进yo...
【专利技术属性】
技术研发人员：金飞，林雨准，程传祥，芮杰，邹慧君，王番，刘智，王淑香，陈晨，左溪冰，刘潇，李美霖，黄子恒，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。