基于注意力和特征融合的路面缺陷检测算法

作     者：谢文斌 李顺新 

作者机构：武汉科技大学计算机科学与技术学院 武汉科技大学大数据科学与工程研究室 湖北智能信息处理与实时工业系统重点实验室 

出 版 物：《计算机技术与发展》 (Computer Technology and Development)

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：国家自然科学基金联合基金重点支持项目(U1803262) 

主　　题：YOLOv8n 注意力机制 轻量化 深度学习 路面缺陷检测 

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，能够更好提取图片特征和关注重点对象；此外，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m AP50-95上提升了5.67%，在m AP50上提升了3.06%，在T4上FPS上达到了71FPS，满足实时检测的需求，与YOLO等主流算法相比，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。