近年来,随着深度学习技术的发展和推广,基于图像的目标检测技术在智能家居、智能驾驶等领域发挥着愈发重要的作用。路面坑洼检测是一种用于判断图像或视频中是否存在坑洼目标并对目标进行准确定位的技术,其在智能驾驶等领域有着广阔的发展前景。由于坑洼目标存在阴暗处较多、背景杂乱、不易标注和形状多样等特点,本文在综合对比常用目标检测算法之后,选择YOLOv3网络作为本文的基础训练网络,并对原始网络的训练模型进行性能分析,针对问题做出改进。本文的主要工作如下:(1)本文通过研究和分析原始YOLOv3网络在坑洼目标检测问题上存在的不足,然后针对本实验数据集提出三部分改进实验。首先结合GIoU对比交叉熵损失、Focal损失和TSE损失等三种损失函数训练的模型。实验结果表明,交叉熵损失函数的效果最好。之后,综合对比了 GIoU、DIoU和CIoU三种交并比计算方法的表现,最终发现基于CIoU训练的模型在本实验数据集上表现最好。最后,本文尝试在YOLOv3网络的检测模块额外添加卷积层,结果表明该做法将实验模型的mAP值提高了 0.8%,改进效果显著。(2)基于最终实验训练的检测模型,设计并开发了一款坑洼检测系统,本系统可以完成基本的登录、注册、选择和预测等功能,并使用本实验测试集完成系统测试。