1.一种基于改进YOLOv5s的砖石建筑裂缝检测方法，其特征在于，构建改进YOLOv5的裂缝检测模型；首先，在Backbone上使用SPD‑Conv；其次，在Neck上使用BiFPN结构，使模型能针对性地学习特征；然后，在Neck每个分支集成Coordinate Attention注意力模块，以帮助模型更加准确地定位裂缝位置；最后，在Head使用SIoU Loss，引入真实框与预测框的角度概念，加快网络的收敛，提升模型的训练速度和准确率。

2.根据权利要求1所述的基于改进YOLOv5s的砖石建筑裂缝检测方法，其特征在于，所述SPD‑Conv由Space‑to‑depth(SPD)层和卷积层(stride＝1)层构成，其中，Space‑to‑depth(SPD)层：Space‑to‑depth(SPD)向下采样时会将通道维度的所有信息保留下来，避免信息丢失，将宽和高的维度转移到通道的维度上；对任意大小为S×S×C1的2

特征映射X行切片，切片后得到scale 个子特征映射序列，每个的大小都为将子特征映射序列沿着通道方向连接起来，形成一个新的特征映射序列，大小为其中，S为原始特征图的边长，scale为下采样时采用的比例因子，C1为原始特征图的通道数；

卷积层(stride＝1)：在Space‑to‑depth(SPD)层之后，使用stride＝1的卷积层，使特2

征映射序列大小变换为 其中C2

3.根据权利要求1所述的基于改进YOLOv5s的砖石建筑裂缝检测方法，其特征在于，所述BiFPN，即一种加权的双向金字塔网络，BiFPN在输入到输出之间增加一条分支，使得模型在不增加成本的情况下能够融合更多的特征；BiFPN为每一层分配不同权值进行融合，使模型能关注到更多重要的层，并减少了一些不必要的节点连接，使模型能够更好地处理不同尺度特征。

4.根据权利要求1所述的基于改进YOLOv5s的砖石建筑裂缝检测方法，其特征在于，所述SIoU由四个部分组成，包括角度损失、距离损失、形状损失、IoU损失，其中：角度损失

σ为真实框和预测框中心点的距离；ch为真实框和预测框中心点的高度差；α为真实框和预测框中心点连线与水平线之间的夹角； 为真实框中心坐标； 为预测框中心坐标；

距离损失

‑γρx ‑γρy

Δ＝2‑e ‑e

cw、cl分别为真实框和预测框最小外接矩形的宽和高；

形状损失

gt gt

w、h、w 、h 分别为预测框和真实框的宽和高，θ控制对形状损失的关注程度；

IoU损失

A为候选框区域面积，B为原标记框区域面积；

最终SIoU损失函数定义如下