面向航拍路面裂缝检测的AC-YOLO

作     者：白锋 马庆禄 赵敏 

作者机构：重庆交通大学土木工程学院 重庆交通大学交通运输学院 重庆大学自动化学院 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

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：国家自然科学基金项目(52072054) 交通部三峡库区奉建高速公路安全智能建造科技示范工程(Z29210003) 2024年研究生科研创新项目(2024S0078) 

主　　题：道路巡检 裂缝检测 航拍裂缝 增强感知 特征融合 

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，首先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。其次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。最后替换损失函数为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89.5%，较原模型提高12.8%，mAP50达到79.1%，提高7.1%，F1得分提高5.1%，模型大小减小9.3%，FPS达到了129.3，提高3.6%。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。