2023117713221一种基于yolo网络轻量化的路面裂缝检测方法及系统.pdf

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN117911329A
(43)申请公布日2024.04.19
(21)申请号202311771322.1G06V10/764(2022.01)

(22)申请日2023.12.21

(71)申请人上海应用技术大学
地址201418上海市奉贤区海泉路100号
申请人中铁第六勘察设计院集团有限公司
(72)发明人刘振勇曹进彭于东彬聂廷立
乞少游邱磊马欢雄张鹏
(74)专利代理机构南京禹为知识产权代理事务
所(特殊普通合伙)32272
专利代理师王明玥
(51)Int.Cl.
G06T7/00(2017.01)
G06V10/82(2022.01)
G06N3/0464(2023.01)
G06N3/08(2023.01)
权利要求书3页说明书9页附图3页
(54)发明名称
一种基于yolo网络轻量化的路面裂缝检测
方法及系统
(57)摘要
本发明公开了一种基于yolo网络轻量化的
路面裂缝检测方法及系统，包括：采集路面裂缝
图像，对图像进行预处理并标注，得到裂缝图像
数据集；以yolov5算法框架为基础，构建改进的
轻量化检测模型；训练检测模型，利用检测模型
处理裂缝图像数据集，完成路面裂缝检测。本发
明方法选用参数量较低的yolov5，采用轻量型网
络EfficientNetB0替换掉yolov5主干特征提取
网络，改进后的模型在保证轻量化的前提下，实
现对路面裂缝的有效检测。引入改进后的动态卷
积注意力机制处理不同尺度和空间位置的特征，
并提高图像分类、目标检测等视觉任务的性能。
采用GIOU损失函数主要是为了在检测过程中出
现小目标和目标形状不规则的情况时，提高目标
检测的精确度和稳定性。
CN117911329A
CN117911329A权利要求书1/3页

1.一种基于yolo网络轻量化的路面裂缝检测方法，其特征在于，包括：
采集路面裂缝图像，对图像进行预处理并标注，得到裂缝图像数据集；
以yolov5算法框架为基础，构建改进的轻量化检测模型；
训练检测模型，利用检测模型处理裂缝图像数据集，完成路面裂缝检测。
2.如权利要求1所述的基于yolo网络轻量化的路面裂缝检测方法，其特征在于：所述预
处理包括，使用高斯滤波去除图像中的噪声，通过图像分析估算裂缝的平均宽度和纹理复
杂度，

H＝‑∑p(I)logp(I)
其中，W表示裂缝的宽度；N表示边缘点的总数；E表示边缘检测后的图像；d(x，y)表示像
素点(x，y)至最近边缘的距离；H表示图像的局部熵；p(I)表示局部区域内像素强度I的概率
分布；

根据历史数据设置宽度阈值TW和局部熵阈值TH，并根据图像的像素点平均值设置像素

点密度阈值TN；当W＜TW且H>TH时，表示图像包含大量细小噪声，通过腐蚀操作去除噪声，若
真实裂缝的细节部分被削弱，则通过膨胀操作恢复裂缝；

当W≥TW且H≤TH时，表示裂缝宽度足够且噪声小于阈值，通过膨胀操作强化裂缝，不需
要进行腐蚀操作；

当W＜TW且H≤TH时，表示裂缝宽度不足且噪声小于阈值，若所有区域像素点密度小于

TN，则对整个图像进行腐蚀操作后进行膨胀操作；若存在区域像素点密度大于等于TN或区域

噪声大于阈值，则对像素点密度大于等于TN的区域进行腐蚀操作，然后对图像整体进行膨
胀操作；

当W≥TW且H>TH时，表示裂缝宽度足够且噪声大于阈值，若所有区域像素点密度小于TN，

则对整个图像进行膨胀操作后进行腐蚀操作；若存在区域像素点密度大于等于TN且区域噪
声小于阈值，则对区域进行腐蚀操作，然后对图像整体进行膨胀操作。
3.如权利要求2所述的基于yolo网络轻量化的路面裂缝检测方法，其特征在于：所述标
注包括，根据预处理和图像分析，将裂缝分为线性裂缝、网状裂缝、块状裂缝、横向裂缝和纵
向裂缝五类。
4.如权利要求3所述的基于yolo网络轻量化的路面裂缝检测方法，其特征在于：所述检
测模型包括，采用在图像检测上具有速度快且精度较高的EfficientNetB0轻量型网络结构
作为主干特征提取网络替换掉yolov5的主干网络部分，EfficientNetB0轻量型网络结构主
要由MBConv模块构成；
EfficientNetB0构造主干网络时，首先通过一个包含BN层和激活函数Swish的卷积核
大小为k×k，步长为1的普通卷积层，然后通过MBConv中的SE模块增强关键信息的提取能
力，最后通过1×1的普通卷积层、池化层和全连接层组成特征提取的主干网络。
5.如权利要求4所述的基于yolo网络轻量化的路面裂缝检测方法，其特征在于：所述检
测模型还包括，将yolov5的主干特征提取网络换成EfficientNetB0轻量型网络，随后将
Efficien