面向航拍路面裂缝检测的AC-YOLO

来源：计算机工程与应用杂志2025年第1期北京时间：

作者：白锋, 马庆禄, 赵敏

单位：1.重庆交通大学 土木工程学院，重庆 400074 ；2.重庆交通大学 交通运输学院，重庆 400074；3.重庆大学 自动化学院，重庆 400044

摘要：针对当前道路巡检智能化程度不足以及效率低等现状，为提高利用无人机道路巡检检测效率与检测精度，在YOLOv8s的基础上针对无人机航拍场景提出改进模型AC-YOLO，在主干网络引入动态大卷积核注意机制LSK-attention来扩展模型的感受野，提高对路面裂缝范围检测的准确性。在颈部结构设计多尺度特征融合策略，融入BiFPN网络，改善对细小裂缝的检测。替换损失函数为WIoUv3，优化梯度分配策略，使模型更加关注裂缝主体。在数据集UAV-PDD2023上进行实验验证，改进后AC-YOLO精准度达到0.895，较原模型提高0.128，mAP50达到0.791，提高0.071，F1得分提高0.051，模型大小减小8.5%，FPS达到了129，提高4%。同时采用不同任务验证了模型泛化性能，实验结果证明AC-YOLO具有更强的检测性能，能有效应用于无人机视角下的路面裂缝检测。

关键词：道路巡检,裂缝检测,航拍裂缝,增强感知,特征融合