王俊杰, 邵宜昌, 张宇涵, 叶智锐
金陵科技学院学报. 2025, 41(4): 31.
摘要 (
)
PDF全文 (
)
可视化
收藏
为了提高道路裂缝检测的精准度和检测效率,提出了一种无人机视角下基于改进YOLOv8s的道路裂缝类型检测算法DRCD-YOLO。首先,在主干网络中用带坐标注意力的轻量化模块CAC2f全面替换原C2f,更好地捕捉局部关系与全局关系;其次,引入双分支融合模块DPDown,替换部分Conv模块,在降低分辨率的同时,能够抑制混叠并保留边缘纹理细节;最后,在最高语义层引入高效池化聚合模块MELAN,将不同感受野的特征拼接融合,以增强对宽幅裂缝的检测能力。改进后的DRCD-YOLO模型在无人机路面病害检测数据集UAV-PDD2023上进行实验验证。相较于基于原生YOLOv8s的道路裂缝检测算法,DRCD-YOLO的平均精度提高了4.5%,mAP0.5达到了0.907,参数量减少了22%,在保证参数轻量化的同时,提升了无人机视角下道路裂缝检测的准确性。