Ghost-YOLO：复杂环境下混凝土结构裂缝病害检测网络

来源：计算机应用与软件杂志2025年第2期北京时间：

作者：陈智丽, 张伍彪, 王冰, 李宇鹏

摘要：裂缝是混凝土结构桥梁最严重的病害之一，影响到整个桥梁结构的安全。提出一种新的Ghost-YOLO网络，用于检测不同环境下的混凝土结构裂缝病害。该网络有效结合GhostNet与YOLOv4网络优点，可在大幅减少网络模型参数的同时提高检测精度。为全面评估网络检测性能，构建不同环境下的大规模混凝土结构病害数据集，并应用迁移学习手段，成功将水上裂缝检测模型迁移至水下环境和户外实际工程环境。通过消融实验发现，Ghost-YOLO网络在不同复杂环境下均表现出较强的检测能力。将Ghost-YOLO网络与YOLOv4、Faster R-CNN、VFNet、YOLOF等先进的目标检测网络进行对比，结果显示Ghost-YOLO网络在裂缝检测准确度和速度方面都具有明显的优势。

关键词：深度学习, GhostNet, YOLOv4, 裂缝检测, 水下, 迁移学习