改进 YOLOv4 的混凝土建筑裂缝检测算法

• 作者: 石颉 马文琪 吴宏杰
• 来源期刊: 微电子学与计算机
• 学科: 工学
• 关键词: 裂缝检测 目标检测 YOLOv4 多尺度特征融合
• 年，卷（期）: 2023,（3）
• 所属期刊栏目: 计算机工程与应用
• 页码范围: 62-72
• 页数: 11页
• 语种: 中文

摘要

针对当前混凝土建筑裂缝走向不规则、细小裂缝特征难以提取的问题,提出一种基于YOLOv4改进的混凝土建筑裂缝检测算法.该算法以YOLOv4框架为基础,在其特征提取网络部分引入感受野更宽的RFB模块捕获特征图;并基于PANet多尺度路径融合结构,提出新的多尺度特征融合方式SL-PANet.该方式首先增加浅层网络特征信息,提高模型对细小裂缝识别的精度,其次采用DUpsampling上采样模块充分还原图像的特征信息,并在上采样和下采样过程中融入CBAM注意力机制模块,突出裂缝的特征信息,去除背景冗余信息的干扰,以此增强裂缝特征的表达能力.该算法同时利用AdamW优化器加快网络训练的收敛.实验结果表明:文章改进的算法检测精度高达94.47％,较原YOLOv4算法提高6.44％,能够满足当前混凝土建筑裂缝检测需求.