基于改进U-Net网络的路面裂缝检测方法

摘要

针对路面裂缝检测任务中精度与计算效率难以兼顾的问题，提出一种基于改进U-Net的轻量化网络(MSAL-UNet)。首先构建轻量化编码器并集成卷积块注意力模块(CBAM)，以动态增强裂缝关键区域的特征响应，提升模型对低对比度目标的感知能力；其次设计多尺度空洞卷积模块(MSDC)，在不降低空间分辨率的前提下扩展感受野，有效捕获从细小裂缝到宽域上下文的多尺度信息，显著抑制误检现象；进一步引入特征金字塔网络(FPN)，实现跨层级的语义对齐与多尺度特征融合，提升裂缝定位的连贯性与边界平滑性。在公开数据集CRACK500上开展对比与消融实验，验证本文所提方法的性能。结果表明：本文方法在保持34.45 frames/s实时推理速度的同时，平均交并比(mIoU)达0.832 0，精确率提升至0.918 0(所有对比模型中最高)，F1-score达0.906 3，综合性能显著优于BiSeNet,Fast-SCNN,SegFormer和TransUNet等主流轻量化网络；尤其在浅裂缝与复杂裂缝场景下，MSAL-Unet的分割结果在完整性和边界准确性方面均表现最优。本研究通过协同优化多尺度特征融合、注意力机制与轻量化结构设计，有效解决了路面裂缝检测中精度与效率的平衡难题，为实际道路智能巡检系统提供了高可靠性与低计算开销的技术支撑。

关键词

路面裂缝检测 / U-Net / 轻量化网络 / 注意力机制 / 多尺度特征融合 / 空洞卷积 / 特征金字塔网络 / 智能养护