改进YOLOv8的路面缺陷检测算法

来源：电子测量技术杂志2024年第19期北京时间：

作者：周建新，张媛，贾梓涵，何洋

单位：华北理工大学电气工程学院 唐山 063200

摘要：为了减少背景干扰对路面缺陷检测的影响，解决对小尺寸细长裂缝能够提取的特征十分有限的问题，本文基于YOLOv8模型进行了改进。首先，将网络中的C2f 融合动态蛇形卷积设计了C2f-Dysnake 模块改善对目标形状和边界的敏感性，增强了对细长裂缝的特征提取能力；其次，将重参数化泛化特征金字塔网络RepGFPN与动态上采样器DySample结合构成新的颈部网络RDFPN，增加了对低层特征图的关注度，提升了对小目标的检测能力；最后在主干网络中加入 MPCA注意力机制，捕捉不同尺度上的位置关系，提高主干网络的特征提取能力。实验结果表明，改进算法在RDD2022数据集上与原算法相比mAP50提高了2.3%，检测速度达到了98 fps，综合考量较其他算法有明显优势，验证了该方法的有效性和优越性。

关键词：YOLOv8;动态蛇形卷积;注意力机制;路面缺陷检测

基金资助：河北省自然科学基金（F2018209201）项目资助