【技术实现步骤摘要】
本专利技术涉及一种基于改进yolov5s的路面裂缝识别方法、装置和介质，属于图像识别。
技术介绍
1、路面裂缝可以简单分为三大类：路面裂缝、路面变形、表面病害。路面修复过程中的一个关键步骤是收集和检测这些裂缝，传统人工检测方法消耗时间长，成本高，不利于实时检测，道路裂缝检测已逐渐从人工检测转变为数字图像处理的自动检测技术。并将路面裂缝的检测应用到实时驾驶场景中，通过将裂缝的检测结果及时反馈给行驶车辆的中控系统中，对前方道路裂缝做出有效提醒以此达到智能驾驶的应用目的。
2、但是当前路面裂缝识别算法存在以下几个问题：
3、路面裂缝周围的背景环境复杂多变，包括车辆、行人和其他障碍物等，这些因素会带来噪声干扰，影响裂缝识别的准确性，路面上的污垢、油渍和其他污染物会影响裂缝与背景之间的对比度，从而增加了识别的难度。现有的路面裂缝识别算法虽然取得了一定的成果，但在精度和实时性方面仍存在一定的挑战。
技术实现思路
1、本专利技术目的是提供了一种基于改进yolov5s的路面裂缝识别方法、装置和介质，不仅结解决了在检测精度和检测速度等效率低下的问题。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、采集路面裂缝图像建立路面裂缝数据集，对数据集进行标注后划分为训练集与验证集。
4、基于yolov5s框架构建路面裂缝识别模型，所述模型包括：backbone和head和neck，所述backbone中将c3模块替换为cbam-s注意力机
5、在损失函数监督下通过训练集训练路面裂缝识别模型，选择训练过程中性能最优的权重作为yolov5s检测人机不同步模型的权重，获得训练完成的路面裂缝识别模型。
6、实时采集路面裂缝图像，并进行预处理后输入到训练完成的路面裂缝识别模型，获取路面裂缝识别结果。
7、优选的，所述采集路面裂缝图像采用斜下45度俯拍采集。
8、优选的，所述backbone依次由第一卷积模块、第二卷积模块、第一cbam-s注意力机制模块、第三卷积模块、第二cbam-s注意力机制模块、第四卷积模块、第三cbam-s注意力机制模块、第四增强卷积模块、第四cbam-s注意力机制模块、spff模块组成，各模块之间依次为输入和输出关系。
9、优选的，所述cbam-s注意力机制模块包括空间采样模块和cbam注意力机制模块。
10、所述空间采样模块通过空间卷积将特征图根据卷积核按照1、6、12、18的空间膨胀率膨胀为了四个特征图，再将四个特征图拼接堆叠得到一个完整特征图。
11、所述cbam注意力机制模块对完整特征图处理过程如下：
12、将输入的完整特征图分别通过全局最大值池化模块与均值池化模块生成两个一维向量，两个一维向量再经过全连接层进行相加得到通道注意力。
13、将通道注意力与完整特征图根据元素相乘得到经通道注意力实现后的新特征图。
14、将新特征图按空间分为全局最大值池化与均值池化得到两个二维向量，经过卷积操作得到空间注意力。
15、将空间注意力与新特征图根据元素相乘得到最终的cbam注意力。
16、优选的，所述解耦检测头为decoupled head解耦头。
17、优选的，所述损失函数如下：
18、，
19、，
20、其中，表示distance损失函数，其作用是衡量预测框与真实框重叠程度的指标；表示的损失函数公式；表示参数选择；表示在检测过程中图像真实锚框的中心坐标与预测锚框中心坐标之间的欧式距离,表示预测框的中心点，表示真实框的中心点；表示预测框与真实框的组成的最小包围框的对角线；表示交并比损失函数；表示改进后的损失函数。
21、优选的，所述损失函数中取值为3。
22、一种基于改进yolov5s的路面裂缝识别装置，包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行所述的基于改进yolov5s的路面裂缝识别方法。
23、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于改进yolov5s的路面裂缝识别方法。
24、本专利技术的优点在于：本专利技术通过改进yolov5s提高了对裂缝检测的精度与检测速度，实现了实时检测的应用场景。通过改进损失函数使得在检测过程中能够进行收敛，提升了预测框和实际框的回归效果。
本文档来自技高网...【技术保护点】
1.一种基于改进yolov5s的路面裂缝识别方法，其特征在于，包括：
2.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述采集路面裂缝图像采用斜下45度俯拍采集。
3.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述Backbone依次由第一卷积模块、第二卷积模块、第一CBAM-S注意力机制模块、第三卷积模块、第二CBAM-S注意力机制模块、第四卷积模块、第三CBAM-S注意力机制模块、第四增强卷积模块、第四CBAM-S注意力机制模块、SPFF模块组成，各模块之间依次为输入和输出关系。
4.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述CBAM-S注意力机制模块包括空间采样模块和CBAM注意力机制模块；
5.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述解耦检测头为Decoupled Head解耦头。
6.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述损失函数如下：<...
【技术特征摘要】
1.一种基于改进yolov5s的路面裂缝识别方法，其特征在于，包括：
2.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述采集路面裂缝图像采用斜下45度俯拍采集。
3.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述backbone依次由第一卷积模块、第二卷积模块、第一cbam-s注意力机制模块、第三卷积模块、第二cbam-s注意力机制模块、第四卷积模块、第三cbam-s注意力机制模块、第四增强卷积模块、第四cbam-s注意力机制模块、spff模块组成，各模块之间依次为输入和输出关系。
4.根据权利要求1所述的基于改进yolov5s的路面裂缝识别方法，其特征在于，所述cbam-s注意力机制模块包括空间采样模块和cbam注意力机制模...
【专利技术属性】
技术研发人员：高焕兵，陈修贤，车仁海，姜祥博，赵家洋，
申请(专利权)人：山东泉海汽车科技有限公司，
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。