基于Crack-YOLACT的道路裂缝提取

作     者：袁文豪 尹珺宇 方莉娜 吴尚华 郭明华 侯海涛 

作者机构：福建船政交通职业学院土木工程学院 福州大学数字中国研究院 南平市交通事业发展中心 厦门市公路事业发展中心 

出 版 物：《南京信息工程大学学报》 (Journal of Nanjing University of Information Science & Technology)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0814[工学-土木工程] 082301[工学-道路与铁道工程] 0823[工学-交通运输工程] 

基　　金：福建省高校产学合作项目(2023H6032) 福建省交通运输科技项目(ZH202317) 国家自然科学基金(42071446) 

主　　题：道路裂缝 实例分割 注意力机制 轻量化网络 

摘      要：针对现有的道路裂缝检测算法多采用先检测再分割的方式，导致两个过程相互独立，在实际生产中效率不高，本文提出一种端到端一体化的道路裂缝检测方法。首先，采用更加轻量化的裂缝主干特征提取网络，以降低计算成本并提高模型推理速度；然后，使用融合渐进式金字塔和空间自适应模块的裂缝特征融合模块，提高复杂场景下模型对小目标裂缝的检测能力；最后，将本文提出方法在两个差异较大的数据集（车载扫描车采集的城市复杂街景数据和公开数据集Crack500）上进行了实验验证。结果表明，本方法在两个数据集的道路裂缝检测任务中，准确率、召回率和综合评价指标F1分别达到86.3%、84.1%、85.2%和82.4%、80.2%、81.3%。实验结果证明了本方法在识别细小裂缝方面的准确性，以及在不同实际环境中的鲁棒性。