基于改进RT-DETR的道路缺陷检测算法
来源：电子测量技术杂志2025年第23期北京时间：
作者：李涛，孙祥娥
单位：1.长江大学电子信息与电气工程学院 荆州 434023; 2.长江大学地球物理与石油资源学院 武汉 430058
摘要：道路破损增加了交通事故的发生概率，严重威胁交通安全。因此，实时监测路面状况对于保障道路安全和有效管理基础设施至关重要。针对现有道路缺陷检测中精度不足和小目标检测困难的问题，本文提出了一种基于改进RT-DETR的道路缺陷检测算法。首先，通过引入部分卷积(PConv)对RT-DETR主干网络进行重构，从而有效降低计算开销；其次，在主干网络中融合三重注意力机制，提升模型对多维特征的感知能力，进而更精准地捕捉图像细节。接着，采用双向特征金字塔网络(BiFPN)优化CCFM特征融合模块，并引入S2特征，增强小目标的检测性能。最后，利用DySample上采样算子获取更多局部细节与语义信息，进一步提升模型对小目标的检测能力。实验结果表明，改进后的算法在RDD2022数据集上的mAP@50较原始RT-DETR模型提升了3.6%，且参数量减少了12.5%，检测速度达到66 fps。与其他目标检测算法相比，改进算法在检测精度和速度方面均表现出显著优势，具有更好的实际应用前景。
关键词：道路缺陷检测;RT-DETR;BiFPN;深度学习;目标检测
基金资助：国家自然科学基金(62273060)项目资助
