基于改进Swin-Transformer的农村路面裂缝检测算法
李禹萱
宋伟东
孙尚宇
张晋赫
辽宁工程技术大学测绘与地理科学学院,辽宁 阜新 123000;辽宁工程技术大学地理空间信息服务协同创新研究院,辽宁 阜新 123000
摘要：裂缝作为农村道路病害的主要组成部分,在检测过程中易受到路面阴影、杂草、泥土等干扰因素的影响,导致基于路面图像的自动化检测变得更加困难.为解决这一问题,提出一种基于Swin-Transformer主干网络的农村道路裂缝检测(Swin-Transformer Rural road Crack Detection,S-TRCD)模型.针对模型在裂缝特征提取过程中受到周围干扰物影响导致识别精度降低的问题,设计一种自适应的混合注意力机制模块CAS(Channel and Spatial),该模块能够在空间和通道两个维度上调整裂缝的权重,提高检测模型的抗干扰能力;针对多个裂缝在同一图像上尺寸差异较大导致识别困难的问题,改进了一种带注意力机制的多尺度目标检测头AHead(Attention Head),该检测头可以自适应调整网络感受野,实现多尺度的裂缝检测.为验证S-TRCD检测模型的检测性能,制作农村路病害基准数据集LNTU_RDD_NC,并对S-TRCD检测模型以及路面裂缝检测领域常用的改进YOLOv5、Faster R-CNN、YOLOv8检测模型进行训练.实验结果表明:S-TRCD检测模型在农村路面裂缝检测中较改进YOLOv5、Faster R-CNN、YOLOv8检测模型平均识别精度分别高 4.06%、12.12%、2.84%,证明在农村路面裂缝检测领域中,S-TRCD检测模型具有较好的检测性能.
关键词：裂缝检测深度学习农村道路多尺度特征混合注意力机制
分类号：U418.6+7(道路工程)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 88-97 )
英文信息