UltraLight CrackNet：基于VMamba的轻量化裂缝分割网络

来源：电子测量技术杂志2025年第22期北京时间：

作者：成荣，朱文忠，王文

单位：四川轻化工大学计算机科学与工程学院 宜宾 644000

摘要：裂缝检测在土木基础设施维护中具有关键作用。传统人工视觉检测方法存在诸多缺陷，推动了裂缝检测技术的持续发展。然而，现有裂缝检测技术仍面临复杂背景干扰、特征多样性干扰及高计算资源需求的挑战。本研究挖掘Mamba模型在视觉任务中的潜力，提出一种超轻量裂缝检测网络（UltraLight CrackNet），其包含3个核心模块：并行轻量化视觉Mamba模块（通过高效建模长程依赖关系提取深层语义特征）、多尺度残差视觉状态空间模块（增强多尺度特征表征能力），以及改进的语义细节融合模块（优化编码器解码器架构的跳跃连接机制）。实验表明，该方法仅需0.13 M参数量与1.96 G浮点运算量，在超轻量模型设计下，于DeepCrack和Crack500数据集分别取得87.85%和77.92%的平均交并比mIoU），达到最优性能；在SteelCrack数据集获得可比结果，且参数量较现有对比模型中参数量最小的模型降低87.85%。

关键词：裂缝检测;视觉Mamba;轻量化模型;语义分割;特征融合

基金资助：四川省科技计划重点研发项目（2023YFS0371）、企业信息化与物联网测控技术四川省高校重点实验室开放基金（2024WYJ03）、四川省智慧旅游研究基地(ZHYJ24-01)、四川轻化工大学研究生创新基金(Y2024115)项目资助