聚焦形状特征的路面病害检测算法

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：邓天民, 陈月田, 余洋, 谢鹏飞, 李庆营

单位：1.重庆交通大学 交通运输学院，重庆 400074；2.山东高速工程检测有限公司，济南 250001

摘要：路面病害自动化检测是实现道路智慧化管养的关键技术之一，针对路面病害图像中病害目标占比小、不同类型病害尺度差异大、背景环境复杂等特性，基于YOLOv8架构，提出聚焦形状特征的路面病害检测算法FSF-YOLO（focusing on shape features YOLO）。构建一种无信息丢失的加强特征提取模块，通过保留多维度空间特征信息，增强骨干网络对低分辨率图像和细小病害目标的特征提取能力；引入可形变注意力特征融合模块，利用病害细长形状特征拓展目标识别区域，提高模型对于长距离病害目标的特征表达能力；运用分组卷积空间金字塔池化模块，强化不同尺寸病害目标特征识别；采用轻量级共享卷积检测头，减少网络参数量和计算量。实验结果表明，提出的方法对不同类别的路面病害目标均获得了较好的效果，在RDD2022数据集上的平均精度达到67.3%，与原算法相比提升了5.3个百分点，整体性能优于其他路面病害检测算法。

关键词：路面病害检测,形状特征,可形变注意力,分组卷积空间金字塔,YOLOv8