收稿日期：２０２２⁃０４⁃１６基金项目：江西省交通运输厅科技课题（２０２２Ｓ００３３，２０２２Ｓ００３６）资助项目．作者简介：何金宝（１９６９—），男，江西德兴人，高级工程师，主要从事港口与航道项目管理研究．Ｅ⁃ｍａｉｌ：２３６９３４１７１７＠ｑｑ．ｃｏｍ通信作者：赖毅（１９８１—），男，江西会昌人，高级工程师，主要从事桥梁工程、港口工程健康监测与管理研究．Ｅ⁃ｍａｉｌ：１１５９２２２７＠ｑｑ．ｃｏｍ何金宝，胡秋宝，付志超，等．基于ＤＣＧＡＮ和改进ＹＯＬＯｖ５ｓ的桥梁表面缺陷检测识别［Ｊ］．江西师范大学学报（自然科学版），２０２２，４６（６）：６５５⁃６６０．ＨＥＪｉｎｂａｏ，ＨＵＱｉｕｂａｏ，ＦＵＺｈｉｃｈａｏ，ｅｔａｌ．ＴｈｅｂｒｉｄｇｅａｐｐａｒｅｎｔｄｅｆｅｃｔｓｄｅｔｅｃｔｉｏｎｂａｓｅｄｏｎＤＣＧＡＮａｎｄｉｍｐｒｏｖｅｄＹＯＬＯｖ５ｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＪｉａｎｇｘｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２２，４６（６）：６５５⁃６６０．文章编号：１０００⁃５８６２（２０２２）０６⁃０６５５⁃０６基于ＤＣＧＡＮ和改进ＹＯＬＯｖ５ｓ的桥梁表面缺陷检测识别何金宝１，胡秋宝１，付志超２，赖毅２∗，刘知远１（１．江西省港口集团有限公司，江西南昌３３０００８；２．江西省路港检测中心有限公司，江西南昌３３０２００）摘要：针对人工检测桥梁表面缺陷存在精度低、速度慢和漏检率高等问题，该文提出了基于深度卷积生成式对抗网络（ｄｅｅｐｃｏｎｖｏｌｕｔｉｏｎａｌｇｅｎｅｒａｔｉｖｅａｄｖｅｒｓａｒｉａｌｎｅｔｗｏｒｋｓ，ＤＣＧＡＮ）和改进ＹＯＬＯｖ５ｓ的桥梁表面缺陷检测识别模型．首先，通过ＤＣＧＡＮ网络对自主采集的桥梁表面缺陷图像进行数据增强，建立每类缺陷样本数量较为均衡的数据集；其次，在ＹＯＬＯｖ５ｓ模型基础上嵌入ＣＢＡＭ注意力机制模块，使模型将注意力集中于缺陷区域，从而提升图像分类的准确率；最后，为验证所提方法的适用性，将包含４类桥梁表面缺陷的数据集进行训练与测试．实验结果表明：该文提出的模型在桥梁表面缺陷检测上的准确率为９２％，相比其他深度学习模型具有更高的检测精度和鲁棒性．关键词：表面缺陷检测；深度卷积生成式对抗网络；注意力机制；ＹＯＬＯｖ５ｓ中图分类号：ＴＨ１３３．３文献标志码：ＡＤＯＩ：１０．１６３５７／ｊ．ｃｎｋｉ．ｉｓ...
