融合注意力机制的轻量化路面裂缝检测方法研究

来源：计算机测量与控制杂志2026年第2期北京时间：

作者：罗瑜,樊赫

单位：陕西工业职业技术学院

摘要：针对现有路面裂缝检测精度低、定位能力差和计算量较大等问题，对基于YOLO v8n的轻量化检测模型进行研究。采用GhostNet v2作为主干网络以减少参数量并提升特征提取性能，在特征融合模块引入CBAM增强对路面缺陷特征的关注，将边界框回归损失函数替换为Focal-SIoU以优化边界框重叠度计算。实验结果显示，改进后模型的精确率、召回率和全类平均正确率分别提升4.76%、1.89%和2.77%；模型大小为YOLO v8n的33.33%，推理速度达271.5 frames·s-1，检测1000张图片仅需3.68 s。该模型满足实时性要求，可减少路面裂缝漏检和误检，为路面移动端设备自动检测提供技术支持。

关键词：YOLOv8n;路面裂缝;目标检测;注意力机制;轻量化算法

基金资助：陕西工业职业技术大学自然科学类科研项目(2024YKYB-001)