基于可见光与红外双模态融合的林区道路病害识别

摘要

林区道路因其所处的自然环境特点和车载荷载易产生裂缝、坑槽等病害，路况较差且养护成本高。针对病害识别过程中目标检测框不准确、无人机视角下病害尺度变化大以及光照条件不足等问题，提出基于可见光与红外图像中间融合策略的双模态沥青路面病害检测方法 （bimodal integrated road detection YOLOv8,BIRD-YOLOv8）。将自适应细粒度通道注意力机制（adaptive fine-grained channel,FCAttention）和线性可变形卷积（linear deformable convolution,LDConv）串联提出DSFM(DynaSpectra fusion module)模块，替换BIRD-YOLOv8主干网络中的C2f结构，提升病害区域的特征提取能力；引入边界框回归优化方法 （normalized Wasserstein distance loss,NWDLoss）替换CIoU，以增强模型对小尺度病害的检测能力。试验结果表明，改进后算法的均值平均精度达到83.3%。其中，横向裂缝、纵向裂缝、网状裂缝和坑槽的平均精度分别达到88%、91.3%、90.5%、63.5%，为林区道路路面病害识别与养护提供重要依据。

关键词

路面病害 / 双模态图像 / YOLOv8 / 目标检测 / 深度学习 / 无人机 / 可见光图像 / 红外图像