基于注意力和特征融合的路面缺陷检测算法

来源：计算机技术与发展杂志2025年第04期北京时间：

作者：谢文斌;;李顺新;

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 武汉科技大学 大数据科学与工程研究室,湖北 武汉 430065;3. 湖北智能信息处理与实时工业系统重点实验室,湖北 武汉 430065

摘要：针对现有道路损伤检测方法检测精度不足,难以兼顾模型规模和精度的问题,提出了一种路面损伤实时检测算法 YOLOv8-Pavement defect(YOLOv8-PD)。 由于 YOLOv8 网络在快速目标检测拥有显著成效,将其作为改进的基准网络。首先,在骨干网络上,在 YOLOv8 特征提取模块 C2f 上融合 ECA 注意力机制,能够更好地提取图片特征和关注重点对象;其次,在颈部结构引入 LightConv 结构进行轻量化;最后,针对坑洞(D40)检测不理想的情况,加入小目标层和加权特征融合,加强对于小目标坑洞的检测效果。 实验结果表明,在 RDD2022 路面损伤数据集上,YOLOv8-PD 比原算法 YOLOv8n 在 mAP50-95 上提升了 5. 67% ,在 mAP50 上提升了 3. 06% ,在 T4 上 FPS 上达到了 71 FPS,满足实时检测的需求。 与 YOLO 等主流算法相比,该算法在精度上超越了所有的 YOLO 系列的轻量级模型,证明了改进算法的有效性。

关键词：YOLOv8 n;注意力机制;轻量化;深度学习;路面缺陷检测