基于YOLOv8n的隧道巡检机器人裂缝分类识别方法

付正, 马双宝, 张亚鹏, 秦乐达

doi:10.16163/j.cnki.dslkxb202405260002

东北师大学报（自然科学版） ›› 2025, Vol. 57 ›› Issue (03) : 77 -85. DOI: 10.16163/j.cnki.dslkxb202405260002

基于YOLOv8n的隧道巡检机器人裂缝分类识别方法

付正, 马双宝, 张亚鹏, 秦乐达

作者信息 +

Author information +

文章历史 +

摘要

针对传统隧道裂缝检测存在检测精度低、泛化能力差等问题，本文对YOLOv8n目标检测算法进行改进.引入CPCA注意力机制，提升模型的泛化能力，融合空间信息；通过引入大可分离卷积注意力的思想，改造空间金字塔池化，让模型更好地进行特征融合；采用轻量化的动态上采样DySample替换原网络的采集结构，提升图像处理的质量.结果表明：改进后的YOLOv8n模型在训练集上的P,R和m_AP@0.5分别提高了7.3%,1.2%和4.1%,而权重文件仅为6.78 MB,可以应用于巡检机器人上进行目标检测任务.