基于YOLOv5的轻量化桥梁缺陷识别

王琳虹; 刘宇阳; 刘子昱; 鹿应佳; 张宇恒; 黄桂树

doi:10.13229/j.cnki.jdxbgxb.20250539

吉林大学学报(工学版) ›› 2025, Vol. 55 ›› Issue (09) : 2958 -2968. DOI: 10.13229/j.cnki.jdxbgxb.20250539

基于YOLOv5的轻量化桥梁缺陷识别

王琳虹, 刘宇阳, 刘子昱, 鹿应佳, 张宇恒, 黄桂树

作者信息 +

Author information +

文章历史 +

PDF

摘要

以YOLOv5算法为基础框架，通过引入FasterNet轻量化网络结构优化特征提取过程，降低模型计算复杂度；结合卷积块注意力模块（CBAM）注意力机制，提高模型对缺陷特征的关注度；采用SIoU损失函数改进边界框回归精度，提升定位准确性。实验结果表明：本文改进模型在自建桥梁缺陷数据集上取得了显著效果，精确度和mAP分别达到81.2%和71.5%，较基准模型有明显提升。本研究为桥梁缺陷的智能化检测提供了技术支撑，对推动桥梁养护管理的数字化转型具有重要意义。