基于改进YOLOv8算法的半刚性基层松散病害识别方法

摘要

针对目前复杂环境下探地雷达对路面松散病害的检测精度差、速度低等问题，提出了一种基于改进YOLOv8算法(YOLOv8-DN)的松散病害识别方法。所提方法针对性设计了DN模块替代C2f模块，该模块结合动态形变卷积模块和多尺度特征融合模块，使用动态形变卷积核的感受野以适应病害特征的形态复杂性，并利用多尺度特征融合路径提升模型对细小和模糊病害区域的捕捉能力。将原结构中的C2f模块替换为DN模块后，改进的YOLOv8-DN算法显著增强了对复杂病害的识别能力，且有效减少了计算开销。实验结果表明：相比原始YOLOv8算法，改进算法的mAP提升了5.29百分点，漏检率降低了5.2百分点，推理速度提高了4.9帧/ms,且检测掩膜区域的完整性和准确性显著提高，证明了该算法的有效性和可行性，也为沥青路面半刚性基层松散病害的快速、精准检测提供了一种新的方法。

关键词

探地雷达 / 改进YOLOv8 / 松散病害 / 深度学习 / 目标检测