[发明专利]基于改进YOLOv5模型的高速公路路面病害识别方法

权利要求书

1.基于改进YOLOv5模型的高速公路路面病害识别方法，其特征在于：包括如下步骤：

S1：构建基于不同特征提取网络的YOLOv5目标检测模型，对高速公路路面图像进行特征提取；

S2:对模型的锚框进行重新设计。

2.根据权利要求1所述的基于改进YOLOv5模型的高速公路路面病害识别方法，其特征在于：所述在步骤S2对模型的锚框进行重新设计的具体步骤如下：

①：收集标注数据集中所有标注的边界框长宽数据使用Kmeans聚类方法进行聚类；

②：Kmeans聚类中心点设置为9个，聚类后得到9个锚框(anchor)的长宽参数。

3.根据权利要求1所述的基于改进YOLOv5模型的高速公路路面病害识别方法，其特征在于：所述步骤S1中基于不同特征提取网络的YOLOv5目标检测模型的构建方法为：采用Efficientnet网络、Mobilenet v3、Resnet50作为特征提取网络带入到YOLOv5模型，分别构建Efficientnet-YOLOv5模型、Mobilenet v2-YOLOv5模型、Resnet50-YOLOv5模型。

4.根据权利要求3所述的基于改进YOLOv5模型的高速公路路面病害识别方法，其特征在于：构建Efficientnet-YOLOv5模型的方法为：在EfficientNet-B0网络中输入图像的分辨率为224×224，在第一个Stage层中通过一个大小为3×3卷积核进行卷积操作并将输出特征图的通道数提升到32；在第二个Stage层至第八个Stage层中通过不断叠加MBConv结构来提取图像特征，在这个过程中不断缩小特征图尺寸，提高特征图的通道数以提取更高层次的特征；在第九个Stage层中使用一个逐点卷积层、一个最大池化层以及一个全连接层依次相连接；将该特征提取网络带入到YOLOv5模型即可得到Efficientnet-YOLOv5模型。

5.根据权利要求3所述的基于改进YOLOv5模型的高速公路路面病害识别方法，其特征在于：构建Mobilenet v3-YOLOv5模型的方法为：Mobilenetv3网络首先对输入的图像进行一个常规卷积操作，使得输出特征图的通道数为16；然后经过15个bneck模块提取图像特征，逐渐降低特征图的尺寸，提升特征图的通道数量，从而提高特征图提取信息的层次，在保证特征提取质量的前提下降低模型的参数数量，各个bneck模块之间使用残差连接；之后通过逐点卷积使各通道之间的信息进行交互，同时提升特征图的通道数量至960；之后通过池化操作从7×7的特征图中提取特征向量；最后通过两个1×1的逐点卷积层提高输出特征图的通道数量，提取更高层次的特征；将该特征提取网络带入到YOLOv5模型中即可得到Mobilenet v3-YOLOv5模型。

6.根据权利要求3所述的基于改进YOLOv5模型的高速公路路面病害识别方法，其特征在于：构建Resnet50-YOLOv5模型的方法为：Resnet50网络由conv1 layer、conv2_x layer、conv3_x layer、conv4_x layer、conv5_x layer以及一个全连接层以及一个softmax分类器组成；在整个网络结构中，conv1 layer包含一个7×7卷积核步长为2的卷积层，conv2_xlayer包含有3个重复的3层残差单元，conv3_x layer包含4个重复的3层残差单元，conv4_xlayer包含有6个重复的3层残差单元，conv5_x layer包含有3个重复的3层残差单元；将该特征提取网络带入到YOLOv5模型中即可得到Resnet50-YOLOv5模型。