非结构化道路坑洼检测的YOLOv7算法优化

来源：电子测量技术杂志2025年第14期北京时间：

作者：曲雪莲，周福强，谷玉海，王少红

单位：北京信息科技大学现代测控技术教育部重点实验室 北京 100192

摘要：在非结构化道路环境中，及时准确地检测道路坑洼对于保障交通安全至关重要。当前检测算法在复杂场景中存在漏检和精度不足的问题。为提升检测性能，提出了一种基于YOLOv7算法的改进方法。首先通过引入增强的分层多尺度特征融合模块，优化特征提取能力；其次加入高效通道注意力机制，提高模型对目标区域的关注度；最后使用深度可分离卷积减少计算量，提高检测效率。改进后的模型在自制数据集上进行验证，与现有的YOLOv7x、YOLOv7-d6、YOLOv5x和YOLOv5m模型进行对比测试，并将改进后的模型进行公开数据集的迁移学习，采用精确率、召回率（R）、平均精度均值、参数量和每秒帧数作为评估指标。实验结果表明，改进模型在精确率、召回率和平均精度均值上分别提升了5.47%、4.42%和6.65%，在检测速度上也保持了较高的效率；与常用目标检测模型对比性能优异；进行公开数据集的迁移学习后，精确率、召回率和平均精度均值得到进一步提升。这一改进显著提升了模型的检测性能和鲁棒性，不仅增强了交通安全保障能力，也为无人驾驶提供了可靠的技术支持。

关键词：非结构化道路;目标检测;YOLOv7算法;增强分层多尺度融合