基于改进YOLOV3模型在路面破损检测中的应用

摘要

近年来物流等行业的快速发展,对道路的损耗越来越大,低质量的路面状况会给人们出行带来较大的安全隐患。为全方位的提升交管部门在公路养护作业中的智能监测能力,提出一种基于改进YOLOV3模型Multi ScaleAndStage的卷积神经网络算法的目标检测方法,该方法可在保证较高检测速度的前提下提升对道路破损检测中各种尺度破损目标的检测准确率。首先分析现有算法模型在路面破损检测场景中针对小目标破损检测的不足之处,然后对现有算法模型YOLOv3加以改进,扩展添加专门针对小破损目标的检测尺度,并提出具有较强性能的MultiStage-Net特征提取模块来保证小目标的强化特征信息,最后利用改进的网络模型进行路面破损检测。在依托京德高速科技课题下制作路面破损数据集,进行实验仿真,结果表明网络模型有效提升了多种目标尺度的检测能力,鲁棒性也有较大提升,利用MultiStage-Net网络也很好地提升网络的整体检测能力,使得mAP有了较大提升,在速度方面本算法网络依然有较高的检测速度,能够满足实际路面破损检测工程的落地应用。