Page 41 - 无损检测2023年第一期

仝泽兴, 等:

路面裂缝检测融合分割方法

算法的精度。因此, 从试验结果可知, PSP-YOLO 算
法在保持高检测精度的基础上鲁棒性更强, 能够很好
地应对复杂背景对裂缝检测的干扰。
3.2.3 分割模块的对比分析
在文章数据集下, PSP-YOLO 算法与原 PSPnet
的分割结果如图13所示。
采用平均交并( 网络预测的裂缝像素点个数与
标定的真实裂缝像素点个数的比值的平均数) 作为
图12 两种算法检测不同复杂度背景图像时的平均精度 分割 模 块 的 评 价 指 标。 PSP-YOLO 算 法 与 原
算法在检测不同复杂度背景裂缝图像时的结果与平 PSPnet 的平均交并比分别为 74.68% , 73.14% , 可
均 精度。 从图 11 可以看出, 两种算法在处理轻度复 见, PSP-YOLO 算法的平均交并比高于原 PSPnet
杂背景的裂缝图像时都有较好的表现, 而在处理中度 算法的。这是由于 PSP-YOLO 算法采用的级联空

与高度复杂背景时, YOLOV5算法出现了误判现象。 洞卷积策略与通道注意力机制增强了分割模块的感
从图12可以看出, 在处理高度复杂背景中的裂缝图 受野与特征表达能力, 所以 PSP-YOLO 算法能更

像 时, PSP-YOLO 算法的精度明显高于原YOLOV5 高效、 更高精度地对裂缝图像进行分割。

图13 PSP-YOLO 算法与原 PSPnet 算法的分割结果

4 结语 参考文献:

针对目前裂缝检测领域存在的问题与不足, 对 [ 1 ] 陈克鸿, 陈冠雄. 我国公路养护市场化的问题与发展
YOLOV5算法进行改进, 添加了分割模块, 并通过 建议[ J ] . 中国公路, 2019 ( 13 ): 46-49.

试验验证, 说明了提出的 PSP-YOLO 算法能在检 [ 2 ] 周基, 蔡强, 田琼.70 年中国公路路基路面病害研究

现状与发展趋势———基于 CNKI1949 — 2019年文献
测裂缝目标的同时对其进行图像分割, 更适合工程
的知识图谱分析[ J ] . 中外公路, 2020 , 40 ( 3 ): 60-66.
实际需要, 且精度优于原 YOLO V5 与 PSPnet算

[ 3 ] 李良福, 马卫飞, 李丽, 等. 基于深度学习的桥梁裂缝检
法的精度。提出的 GAN 网络扩增数据集的方法也
测算法研究[ J ] . 自动化学报, 2019 , 45 ( 9 ): 1727-1742.
能有效解决裂缝样本不足的问题。文章提出方法的
[ 4 ] 毛莺池, 唐江红, 王静, 等. 基于 FasterR-CNN 的多任
局限性在于, PSP-YOLO 算法分割模块精度容易受 务增强裂缝图像检测方法[ J ] . 智能系统学报, 2021 ,
到光照、 天气等因素的影响。 16 ( 2 ): 286-293. ( 下转第13页)
7
2023年 第45卷 第1期
无损检测