基于深度学习的路面裂缝检测算法研究  

作　　者：高升 

机构地区：[1]山东盛功建设工程有限公司,山东枣庄277000

出　　处：《中国新技术新产品》2025年第8期43-45,共3页New Technology & New Products of China

摘　　要：在路面维护管理中,公路路面裂缝问题频发,因此对其进行检测对保证道路质量至关重要。鉴于此,本文提出了两种目标识别算法:基于YOLOv5s框架的改良算法,采用EIoU作为模型的损失函数改善精度问题,专门用于路面裂缝图像的精准检测与分类;引入通道注意力机制的Res2Unet-CBAM网络模型,对路面裂缝图像进行精确分割。优化后的YOLOv5s算法能有效应对复杂多变的检测场景,并能准确定位并识别裂缝目标,完成高效分类,准确率达到74%以上。同时与传统图像分割模型进行试验对比,展示了Res2Unet-CBAM模型在图像分割任务上的卓越性能。

关 键 词：深度学习 裂缝检测 图像分割 EIoU 注意力机制 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]