基于改进深度学习网络对裂缝检测研究

提出了一种运用于混凝土裂缝检测的模型yolov5-slC，该方法建立在yolov5模型的基础上，改进yolov5s网络结构，将普通卷积替换为轻量卷积GSConv，在此基础上继续引用slimneck结构，降低网络复杂度的同时并未丧失精度，缩短检测时间，减少计算量；引入轻量化上采样算子CARAFE，减少了计算开销。与原yolov5s相比，该方法的mAP₅₀提高了3.5百分点，mAP₉₅提高了9.4百分点。在试验数据集和补充数据集进行可视化对比，yolov5-slC均表现良好，能高效精确地为混凝土裂缝检测提供新方法。