基于边缘特征增强的YOLOv8n道路缺陷检测算法
来源：电子测量技术杂志2025年第19期北京时间：
作者：曹鸿博，安维胜，梁海鹏，林强
单位：西南交通大学机械工程学院 成都 610031
摘要：道路病害对交通安全、道路使用寿命及行车的舒适度都有一定影响。针对现有的检测算法对于复杂特征的裂缝、坑洞识别精度较低的问题，本文构建了一种基于增强边缘特征的YOLOv8n-Edge道路缺陷检测算法。首先，在骨干网络中引入RFAConv，以避免卷积核参数共享同时扩大感受野。然后设计具有强化边缘特征的Edge Enhance Conv，将高频信息与输入图像融合，强化输入特征。其次，融合Manet和Starnet提出Manet-Star替换部分C2f结构，加强模型的特征提取能力。最后，在浅层网络设计一个旁路分支模块—Sub-GEIM，生成具有不同尺度的边缘特征图，与对应尺度的检测头进行融合以优化目标框定位。结果表明，YOLOv8n-Edge算法显著提高了路面病害的检测效果。虽然带来少量参数量和计算量，但是在预处理的RDD2022数据集上关键指标mAP@50达到了72.1%，较原算法提高3.3%。此外通过泛化实验、对比试验均验证了本文算法的有效性。
关键词：强化边缘特征;路面病害检测;YOLOv8n;旁路分支
基金资助：中国博士后科学基金面上项目(2021M702711)资助
