Page 92 - 无损检测2024年第七期

试验研究
试验研究

DOI：10.11973/wsjc202407010

基于 B-YOLOv5 的轻量化裂缝检测算法

胡肖肖 ，雷 斌 ，蒋 林 ，段宛妮 1，2
1，2
1，2
1，2
（1. 武汉科技大学 机械自动化学院，武汉 430081；2. 武汉科技大学 机器人与智能系统研究院，武汉 430081）
摘 要：针对当前公路路面缺陷检测算法存在的特征提取不完善且难以部署到嵌入式设备上、
细小裂纹及凹坑漏检等问题，以YOLOv5算法为基础，使用DepthSepConv模块代替原有的C3结
构，把原有的CSPDarknet53主干网络改进成了更加轻量化的网络结构，结合BIFPN特征融合思
想，将原来的PANet路径融合结构改进为一种更有效的带权重的B-PANet特征融合结构。试验结
果表明，所改进的B-YOLOv5算法在相同的数据集和试验条件下，不仅精度提高了5. 81%、检测
速度提升两倍，还可降低细小裂纹和凹坑的漏检率，模型参数大小也仅仅是YOLOv5的八分之一。
B-YOLOv5算法完全可以满足实时性的需要，且可更好地部署在Jetson Xavier NX嵌入式设备上。
关键词：裂缝检测；BIFPN；YOLOv5；特征融合；B-YOLOv5

中图分类号：TP391；TG115.28 文献标志码：A 文章编号：1000-6656(2024)07-0054-07

Lightweight crack detection algorithm based on B-YOLOv5

HU Xiaoxiao , LEI Bin , JIANG Lin , DUAN Wanni 1,2
1,2
1,2
1,2
（1. College of Machinery and Automation, Wuhan University of Science and Technology, Wuhan 430081, China;
2. Institute of Robotics and Intelligent Systems, Wuhan University of Science and Technology, Wuhan 430081, China）
Abstract: In view of the current highway pavement defect detection algorithm feature extraction is imperfect and
difficult to deploy on embedded equipment, missing detection of tiny cracks and pits, this paper used the Depth Sep Conv
module instead of the original C3 structure, the original CSP Darknet 53 backbone network was improved into more
lightweight network structure by combining with BIFPN feature fusion ideas, the original PANet path fusion structure
was improved to be a more effective weight B-PANet feature fusion structure. The experimental results showed that the
B-YOLOv5 algorithm improved in this paper can not only improve the accuracy of 5.81% and double the detection speed
under the same data set and experimental conditions, but also improve the missed detection problem of fine cracks and pits,
and the parameter size of the model was only one eighth of YOLOv5. The B-YOLOv5 algorithm can fully meet the needs
of real-time performance and be better deployed on embedded devices.
Key words: crack detection; BIFPN; YOLOv5; feature fusion; B-YOLOv5

截至2019年年底，全国公路总里程达到528万 这些病害会对交通安全产生潜在的威胁。因此，定期
公里，其中高速公路达到16. 9万公里，农村公路达 对公路进行养护，对路面的缺陷进行检测十分必要。
[1]
到446. 6万公里 。随着时间的推移，公路因雨水的 最早的裂缝检测主要以人工检测为主，巡检工
侵蚀和温度变化的影响，会出现凹坑和裂纹等病害， 人需要通过肉眼或辅助检测设备来辨别是否存在缺
[2]
陷 ，这种依靠人工经验的方法不够准确且效率低
下。随着计算机视觉及模式识别领域的快速发展，
收稿日期：2023-12-19
基金项目：国家重点研发计划（2019YFB1310000） 国内外的一些专家学者们提出了基于图像处理的裂
作者简介：胡肖肖（1998—），男，硕士研究生，研究方向为计算机
缝检测算法。黎蔚等 采用了边缘检测的算法对裂
[3]
视觉，839172936@qq.com
纹进行检测，此方法在平滑滤波的同时又可以检测
通信作者：雷 斌（1979—），男，副教授，博士，研究方向为机器
[4]
视觉、群体机器人，leibin@wust.edu.cn 到各种类型的裂纹边缘。孙波成等 提出了基于小
54
2024 年 第 46 卷 第 7 期
无损检测