聚焦边缘特征的路面异常检测算法
来源：计算机工程与应用杂志2026年第9期北京时间：
作者：蓝章礼, 赵津丹, 张洪, 黄大荣, 谭晋
单位：1.重庆交通大学 信息科学与工程学院，重庆 400074；2.重庆交通大学 省部共建山区桥梁及隧道工程国家重点实验室，重庆 400074；3.安徽大学 人工智能学院，合肥 230031；
摘要：路面异常检测对自动驾驶至关重要，其中边缘特征对异常物检测的影响尤为关键。为有效捕捉图像的边缘特征，在快速傅里叶变换的基础上应用高斯滤波和拉普拉斯滤波，设计了一种基于傅里叶拉普拉斯的特征提取模块；为提升边缘信息的关注度并增加感受野，结合小波卷积、最大池化和平均池化，提出了一种混合小波卷积的降采样模块；为弥补形状和边缘描述不足的问题，使用基于边缘特征匹配的损失函数ShapeIoU，进一步增强模型对边缘提取的能力。结合以上方法，提出一种聚焦边缘特征的路面异常检测算法FEF-YOLO（focusing edge feature-YOLO），并自制了一个路面异常数据集（pavement anomaly dataset，PAD）。实验结果表明，提出的方法在自建数据集和GRDDC2020公开数据集上的mAP@0.5相较于基准模型分别提升2.9和2.3个百分点，准确率分别提升2.5和1.9个百分点。
关键词：路面异常检测,边缘特征,快速傅里叶,混合小波卷积
基金资助：国家自然科学基金（52278291）；重庆市研究生联合培养基地建设项目（JDLHPYJD2023004）；重庆交通大学研究生科研创新项目（2024s0102）。
