基于改进YOLOv5模型的智能立体车库结构裂缝识别算法研究

赵怡豪?刘勇?岳仁峰?孔令鑫

摘要：针对立体车库中明暗变化显著、目标尺寸差异大等现象导致的裂缝识别准确度不高的问题，提出了一种基于改进YOLOv5网络的识别算法模型。该模型通过优化特征提取层和增加注意力机制，提高了对不同尺寸目标的识别能力，通过改进的特征融合层结构和检测层输出框尺寸，提升了识别精度。在立体车库结构裂缝数据集上的试验验证表明，该网络收敛速度快，在目标识别率和图像识别准确率方面都有所提升，识别精度高达95.4%，实现了立体车库结构裂缝的精准检测和定位，为高速、高精度的结构裂缝检测提供了理论基础，具有工程应用价值。

关键词：裂缝检测；YOLOv5；深度学习；目标识别

一、前言

裂缝作为结构损伤的表观呈现，既是耐久性不足的预警，也是结构被破坏的先兆。在立体车库中，结构裂缝反映了立体车库地基等支撑结构的受力状态、耐久性及安全性。在现场检测时，裂缝的检测需要人为判断，存在很大的主观因素，加之复杂恶劣的检测环境，导致裂缝检测存在效率低、测不准、检不全等缺点，无法满足立体车库裂缝检测高精度的需求。因此，急需研究高效、高精度的结构裂缝自动化检测技术。

近年来，随着计算机技术的飞速发展，使得开发性能令人满意的网络模型成为可能。根据应用目的的不同，结构裂缝自动检测技术大致可分为两类：一是图像像素级裂缝检测，在分析结构表面纹理状况的基础上，分析裂缝分布等特征，为结构健康状况评估提供精确参数。二是块级路面裂缝检测，类似于给定图像中的目标检测，如Faster R-CNN[1]和YOLO系列[2]等方法，识别速度较快，能够满足实时检测要求，得到广泛的应用。此外，通过深度学习实现结构表面裂缝识别的方法，具有更好的迁移性和鲁棒性，结果更加客观、可靠，在减少了人工成本的同时，大大提高检测效率，具有广阔的应用前景。

在现阶段的研究中，徐国整等[3]提出HU-RseNet卷积神经网络模型识别混凝土表面裂缝。李良福[4]基于改进PSPNet，实现像素级的裂缝区域识别。顾书豪等[5]设计了一种将注意力机制和语义增强相结合的特征模块，有效地融合了语义信息和裂缝特征。可以发现，现有的深度学习检测算法虽然解决了传统算法识别精度低、漏检率高的问题，在识别精度上有所提升，但仍然存在对暗环境下，小目标识别困难的问题。

YOLOv5[6]采用了更轻量的网络结构，在灵活性上远强于YOLOv4，在模型的快速部署上具有极强优势。YOLOv5包括四个版本，分别为YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x，在结构上复杂度依次提升，可以根据识别目标的复杂度选择不同版本。检测目标为裂缝，其目标结构简单，背景单一，因此选择在网络结构相对简单的YOLOv5s进行改进。针对立体车库结构裂缝图像中明暗变化明显、目标尺寸差异大等问题，增加了YOLOv5网络注意力机制，改变了特征融合层结构，并利用训练好的模型，进行了对比分析。结果表明此方法具有较高的鲁棒性，对不同环境、不同形状的裂缝均能较好识别，在确保高检测精度的基础上兼顾检测速度。

二、基于改进YOLOv5的多尺度检测算法

立体车库背景复杂，结构性裂缝往往存在光暗变化明显、裂缝尺寸差异大的问题，原YOLOv5模型无法满足该背景下的裂缝检测需求，存在框取不全、重复识别、误检、漏检等情况。针对原YOLOv5模型存在的不足，提出了改进的YOLOv5网络模型，通过引入注意力机制模块，提高网络的细节特征提取能力，减弱光暗变化对目标检测的影响。根据立体车库结构裂缝大小不一的特点，改进了特征融合层结构，增加了多尺度检测层的检测尺度，使模型能够准确地检测不同大小的裂缝目标，增加了算法的健壮性。网络的主体结构包含特征提取层、特征融合层、多尺度检测层，如图1所示。

（一）特征提取层

在兼顾网络检测速度的前提下，针对立体车库环境复杂、采集的图像清晰度低的问题，改进了YOLOv5网络的特征提取層，在Bottleneck CSP模块中引入了注意力机制，提出CBAM_ Bottleneck CSP模块，通过对通道信息的充分利用，增强网络的特征提取能力。CBAM_Bottleneck CSP由CBAM_ Bottleneck和CSP两部分组成，其结构如图2所示。

CBAM_Bottleneck基于残差结构特征提取模块，能够充分利用特征映射的信息冗余特点，提高特征提取能力。CSP是一种基于残差结构的局部、全局特征融合模块，可以增加卷积层特征提取的效率，减少计算量，提高模型的学习能力。

（二）特征融合层

特征融合层作为网络的路径聚合模块，负责将特征提取层输出的特征信息与上采样的信息进行融合。YOLOv5使用FPN（Feature Pyramid Networks）与PAN（Perceptual Adversarial Network）相结合增强网络特征提取能力，自上而下进行特征融合，在实现强语义特征传递的同时，准确保留空间信息，并传递到预测层，实现强定位特征传递，对像素进行适当定位以形成掩模，提高小目标检测能力。

针对立体车库裂缝目标尺寸差异大的问题，通过增加FPN特征金字塔结构，在PAN中增加上采样操作，提高特征信息的融合量，并增加160×160融合层，最终为检测层输出160×160、80×80、40×40和20×20四个尺度的特征图。具体结构如图1中特征融合层所示。

（三）多尺度检测层

采用多尺度检测层对图像特征进行预测，将输出的四个尺度特征图，用于检测不同尺寸的物体，生成预测框并预测类别。网络输出4个预测框信息，包含预测框的位置信息和置信度，由于输出的预测框存在较多的重复冗余，使用非极大值抑制NMS（Non-Maximum Suppression）算法[7]，保留置信度最高的预测框位置信息，精确完成目标检测。

三、实验与分析

（一）数据采集及预处理

数据源自某立体车库路面裂缝，共1000张图片，每张图片至少有一处裂缝，背景复杂、明暗变化且噪声较大。实验采用Mosaic数据增强方法对图片进行增强，确保不同的图片都能得到充分的训练，使模型学习到更深层的特征信息，增强模型泛化能力。通过对图像角度、对比度等属性进行不同程度的调整将数据扩充到8000张，增加算法的鲁棒性，提高检测精度。采用labelimg工具对数据进行框选标注，最终整理出6400张标注的图片作为训练集、800张标注的图片作为验证集和800张标注的图片作为测试集。

（二）实验环境及参数设置

实验环境搭建的计算机配置为：Intel（R） Core（TM） i5-7400 CPU @ 3.00GHz、NVIDIA GeForce GTX1050显卡、3 GB内存，并配置使用 CUDA10.1版本和CUDNN7.6版本。深度学习框架平台为Pytorch1.8.0版本。模型训练时的超参数为：初始学习率0.001、动量0.98。模型输入3通道的720×720像素图像，受GPU显存的限制batchsize设为6，优化器采用随机梯度下降法SGD，总共设置迭代1000个epoch。损失函数采用交叉熵损失函数，评价指标为预测精度、召回率、mAP。

（三）实验结果及分析

在对模型进行评估时，首先需选取适当的评价指标。选取召回率Recall、平均精度均值mAP和精确率Precision作为模型算法的评价指标，召回率能够反映检测器漏检目标的问题，平均精度均值能够反映识别网络预测框精准度的情况，精确率能够反映出网络模型检测器误检的情况。改进前后网络各评价指标的对比见表1，改进后的网络预测精度提高了8%，召回率提高了4%，mAP提高了1.87%。

在训练过程中记录观察模型的损失函数曲线如图3所示。原模型损失函数曲线见图3（a），损失函数波动较大，下降缓慢，说明原网络对简单背景下小目标的特征提取能力较弱。改进后模型损失曲线见图3（b），损失函数曲线下降较原模型更快，波动较少，在训练到第500个epoch时损失值达到了0.01，预测边框的平均精度均值mAP更高，收敛速度更快。

测试集中部分图片的识别结果如图4所示，其中方框为预测框，左上角的标签代表这张图片识别的种类和置信度。改进后的模型对于横向裂缝、纵向裂缝、斜向裂缝以及光暗变化明显处的裂缝都比原网络识别得更精准，具有更好的鲁棒性。

四、结论

针对立体车库结构裂缝检测，提出了一种改进的 YOLOv5 网络模型，主要的改进有利用CBAM_Bottleneck模块改进了骨干网络，增强模型特征提取能力，以及针对裂缝大小差异大的问题，改进了特征融合层结构，增加了多尺度检测层的检测尺度，选择20×20、40×40、80×80、160×160尺度检测层，增加了网络对不同尺寸目标框取的精度。实验结果表明，改进后的YOLOv5模型在召回率、平均精度、检测精确度上均得到了不同程度的提升。

参考文献

[1]Shaoqing Ren， Kaiming He， Girshick Ross， et al. Faster R-CNN： Towards Real-Time Object Detection with Region Proposal Networks[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2017， 39（6）： 1137-1149.

[2]Joseph Redmon， Ali Farhadi. YOLO9000： Better， Faster， Stronger[C]. 30TH IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION （CVPR 2017）， 2017： 6517-6525.

[3]徐國整，廖晨聪，陈锦剑，等.基于HU-Res Net的混凝土表观裂缝信息提取[J].计算机工程，2020，46（11）：279-285.

[4]李良福，王楠，武彪，等.基于改进PSPNet的桥梁裂缝图像分割算法[J].激光与光电子学进展，2021，58（22）：101-109.

[5]顾书豪，李小霞，王学渊，等.增强语义信息与多通道特征融合的裂缝检测[J].计算机工程与应用，2021，57（10）：204-210.

[6]Dihua Wu， Shuaichao Lv， Mei Jiang， et al. Using channel pruning-based YOLO v4 deep learning algorithm for the real-time and accurate detection of apple flowers in natural environments[J]. Computers & Electronics in Agriculture， 2020， 178： 105742.

[7]Han H， Gu J， Zheng Z， et al. Relation Networks for Object Detection[C]. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition， IEEE， 2018： 3588-3597.

基金项目：济南市科技计划（后补助）项目社会民生专项（项目编号：202131009）

责任编辑：张津平、尚丹