本文研发基于YOLOv5算法的桥梁病害检测系统，用于无人机桥梁病害检测。首先，通过无人机巡航系统进行病害采集；其次，通过K-means聚类算法对YOLOv5算法中的先验框比例进行改进，获取桥梁病害的尺寸；再次，利用图像切割算法将无人机输入图像切割为640*640尺寸大小，减小模型训练与推理难度，同时利用APAP算法对切割图像识别结果进行拼接，达到完整无人机图像识别结果；最后，采用Python Flask搭建开放式桥梁病害检测Web前端，可根据实际需求调用不同桥梁部位病害权重，实现13种桥梁病害实时检测。结果表明，该模型可有效地降低硬件需求，可直接对无人机图像进行识别处理，实现快速病害检测，有望为桥梁病害检测提供一个高效、安全且具有前景的检测方法。