基于改进YOLOv8n的道路缺陷检测算法

摘要

针对现有道路裂缝检测算法识别准确率低、误检率高等缺陷,提出一种基于YOLOv8n的改进道路裂缝检测算法YOLOv8-ES.将高效多尺度注意力机制引入骨干网络,可以提高模型的鲁棒性和泛化能力.设计了C2f-RepNCSPFPN模块,能够在保持较高检测精度的同时降低模型的计算复杂度和参数量.用EfficiCIoU-Loss损失函数替换原CIoU-Loss函数,提升模型的定位准确性和稳定性,减少了误检和漏检.引入SPPFCSPC模块,通过其空间金字塔池化和跨阶段部分连接网络的结合方式,实现了多尺度特征融合,显著提升了模型的检测精度和计算效率.在开源道路损害数据集RDD2020上的实验结果表明,改进算法与YOLOv8n模型相比,平均精度提升3.0%,召回率提升4.9%,与其他主流目标检测方法相比,对道路裂缝的检测效果更好,能够快捷、准确地识别和定位道路裂缝.

关键词

道路检测 / YOLOv8n / 多尺度特征融合 / 损失函数

基金资助

国家自然科学基金项目（U23A20388,U21B2027）; 云南省重点研发计划项目（202303AP140008,202401BC070021,202302AD080003）; 云南省基础研究项目（202301AT070393）; 昆明理工大学“双一流”科技专项项目（202402AG050007）