-
题名基于YOLOv8n的轻量化道路裂缝检测算法
- 1
-
-
作者
吐尔逊·买买提
邱建卓
朱兴林
徐粒
-
机构
新疆农业大学交通与物流工程学院
新疆农业大学智能交通工程技术研究中心
-
出处
《现代电子技术》
北大核心
2025年第13期11-19,共9页
-
基金
国家自然科学基金项目(51768071)
新疆交通投资(集团)有限责任公司科技项目:基于沥青路面病害数据及深度学习的病害智慧识别系统研究(JCZXXJAU2023001)。
-
文摘
为了解决道路裂缝自动化检测中目标分布尺度广、特征复杂多样以及需要处理大批量数据集的问题,提出一种基于YOLOv8n的轻量化道路裂缝检测算法GCW-YOLO。首先,将全局注意力机制引入到主干网络中,以增强道路裂缝特征的提取和融合能力;其次,采用Wise-IoU损失函数更换原本的损失函数来获得更好的特征聚焦,降低预测中的特征与分类损失;最后,将轻量化网络结构GhostNet引入残差计算模块,用于提高模型的特征提取效率,降低计算复杂度。实验在自制的高速公路裂缝病害数据集共计15 116张图片上进行训练与预测,并在公开数据集上验证算法的泛化性能。实验结果显示,所提算法平均精度均值达到63.5%,相较于原始模型提高6.0%,算法在空间和时间效率上分别提升3.0%和8.5%,检测速度达到250 f/s。对比实验结果表明,GCW-YOLO算法综合了轻量化和检测精度,并表现出良好的泛化性,在道路养护方面具有良好的实用价值和推广前景。
-
关键词
道路裂缝检测
深度学习
YOLOv8n
注意力机制
轻量化
特征聚焦
-
Keywords
road crack detection
deep learning
YOLOv8n
attention mechanism
lightweighting
feature focus
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
