基于改进YOLOv8的无人机视角下高速公路异常目标检测方法

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：王芯蕊, 王慧琴, 王可, 郭楠

单位：1.西安建筑科技大学 信息与控制工程学院，西安 710300；2.西安青禾创智能科技有限公司，西安 710000

摘要：正常运行的高速公路上，存在干扰驾驶员判断、造成交通隐患的危险目标，使用无人机进行检测时可能面临遮挡、重叠、分散、异构等难点。为解决这些问题，提出一种基于YOLOv8n的高精度检测算法——CT-YOLO。在YOLOv8骨干网络C2f模块中重构空洞卷积（dilated convolution），在卷积前后分别融合1×1卷积，解决应用场景目标分散的问题；改进经典特征金字塔网络，额外增加两个检测层，提高了对遮挡、小目标的检测精度；将改进的三重注意力机制融合到Head部分的C2f模块中，增强模型对异构目标信息的捕捉能力。通过视频采集、分帧、人工标注和数据增强，构建了一个包含11种异常目标的图像数据集，包括裂缝、修补、果皮、树叶、塑料、坑槽、箭头、车道线、纸箱、泛油和易拉罐。实验结果表明，CT-YOLO算法在异常目标图像数据集上mAP@0.5提升了13.2个百分点，mAP@0.5：0.95提升了11个百分点，检测精度明显提高，具有较好的实际应用效果。

关键词：高速公路,无人机（UAV）, YOLOv8,目标检测,多目标,小目标