EMF-YOLO：轻量化多尺度特征提取路面缺陷检测算法

来源：计算机工程与应用杂志2025年第14期北京时间：

作者：秦乐, 谭泽富, 雷国平, 陈秋伯

单位：重庆三峡学院 电子与信息工程学院，重庆 404100

摘要：道路表面缺陷检测是保障行车安全和延长道路使用寿命的重要技术。现有的道路缺陷检测算法在处理复杂背景、实时性及内存占用方面存在局限性。为此，提出一种基于YOLOv8n的轻量化改进算法EMF-YOLO，旨在提升检测精度并减少计算和内存开销。引入增强型特征融合金字塔EFFPN（enhanced feature fusion pyramid network），优化特征融合路径，提升多尺度特征表示能力。结合可变形注意力机制增强复杂场景下的特征提取能力，并通过多尺度边缘敏感性增强模块MESA（multi-scale edge sensitivity augmentation）替代传统C2f卷积，增强小目标检测能力。设计基于解耦批归一化的共享卷积检测头DBSCD（decoupled bn shared convolution detection head），显著降低模型的参数量和计算复杂度,进一步减小模型体积并加快推理速度。实验结果表明，EMF-YOLO在RDD2022数据集上的检测精度达到了89.2%，较YOLOv5n提高了2个百分点，模型参数量和计算量分别减少了36.1%和25%，在提高检测精度的同时实现较好的轻量化性能。

关键词：路面缺陷检测,YOLOv8,轻量化,多尺度特征提取,边缘敏感性增强