-
题名基于改进YOLOv9-c的路面混合病害算法
- 1
-
-
作者
张颖
王纪旭
曹迎康
李罡
方有亮
-
机构
河北大学建筑工程学院
河北大学零碳能源建筑与计量技术教育部工程研究中心
-
出处
《科学技术与工程》
北大核心
2025年第18期7793-7802,共10页
-
基金
教育部春晖项目合作科研项目(HZKY20220256)
国家自然科学基金青年科学基金(52108203)
河北大学实验室开放项目基金(sy202236)。
-
文摘
针对坑槽和裂缝两种路面病害检测实时性差、准确率低、易误检漏检等问题,提出了一种改进YOLOv9的路面混合病害算法,实现路面裂缝的自动化检测和识别。首先,在骨干网络中引入AKConv(alterable kernel convolution)替换RepNCSPELAN4中的卷积模块,提高网络对不同病害的特征提取能力,有效解决路面病害与背景环境特征难以区分的问题;其次,在检测头中引入了SimAM注意力机制(selective image attention mechanism)和DySample上采样模块,提高网络聚焦特性并增强提取关键特征信息的能力;最后,采用inner-IoU函数优化模型的权重参数,提升对混合样本的学习能力。实验结果表明,改进后的模型与YOLOv9-c相比较,性能有了显著提升,平均精度提升40.17%、召回率提高了15.99%、mAP模型精度提高了20.95%,该优化算法能够更加精准高效的对路面混合病害进行检测,提高了路面病害检测的准确率和泛用性。
-
关键词
YOLOv9-c
路面混合病害
注意力
特征提取
损失函数
-
Keywords
YOLOv9-c
pavement mixed disease
attention mechanism
feature extraction
loss function
-
分类号
U416.06
[交通运输工程—道路与铁道工程]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
