摘要:针对路面病害检测中因病害形态多样、尺度差异大、背景灰度值相似而导致检测精度较低的问题, 提出一种改进的轻量化路面病害检测模型PD-YOLOv5s (pavement disease-YOLOv5s). 首先, 模型嵌入三维无参数注意力机制SimAM, 在不额外增加模型参数的同时有效增强模型在复杂环境下的特征提取能力; 其次, 引入残差块Res2NetBlock增加模型感受野, 增强模型在更细粒度层次上的特征融合能力. 最后, 构建SPD-GSConv模块完成下采样, 从而有效捕捉不同尺度的目标特征, 将提取的特征融入模型完成路面病害分类检测. 在真实路面病害数据集上实验结果表明: 相较于原YOLOv5s, PD-YOLOv5s模型平均精度值(mAP)提升4.7%, 参数量降低至6.78M, 检测速度达到53.97 f/s. PD-YOLOv5s在降低网络计算成本的同时具有优越的检测性能, 对路面病害检测具有工程应用价值.