基于改进YOLOv5s模型的水工建筑物裂缝检测OA

针对水工建筑物在复杂自然环境和运行工况下易出现水渍、析钙等劣化现象,进而增大表面裂缝检测难度的问题,提出了一种融合可变形卷积网络(DCNv2)和缩放解耦头(SEH)的裂缝检测模型YOLO-SEH。该模型在颈部引入高效通道注意力机制,以抑制复杂背景中的噪声干扰;在骨干部分采用DCNv2替换YOLOv5模型的C3模块,以增强模型对裂缝形状的适应能力;在模型头部引入SEH,以提高模型对裂缝特征的敏感度与辨识能力。将该模型用于无人机采集的水闸和大坝影像裂缝检测任务中,其mAP@0.5指标分别达到86.2%和84.9%;在消融实验中,与YOLOv5模型相比,YOLO-SEH模型的mAP@0.5在大坝和水闸数据集上分别提升了3.1、4.1个百分点,精确率分别提升了4.8、6.6个百分点,召回率分别提升了3.4、4.7个百分点;与Faster R-CNN、SSD300、YOLOv5、YOLOv7和YOLOv8等模型相比,YOLO-SEH模型在水工建筑物裂缝检测任务中表现出更优的检测性能。