基于SD-YOLOv11的航拍道路病害检测模型
钱藏龙
汤文兵
安徽理工大学 计算机科学与工程学院,安徽 淮南 232001
摘要：为解决无人机航拍图像中小目标检测困难和复杂背景干扰等问题,提出了空间重建卷积和动态上采样-你只看一次第11 版(spatital reconstruction convolution and dynamic upsampling-you only look once version 11,SD-YOLOv11)模型,用于路面病害检测.首先,该模型在YOLOv11 纳米型(YOLOv11 nano,YOLOv11n)的基础上引入了空间和通道重建卷积模块(spatital and channel reconstruction convolution,SCConv),减少了特征图在空间和通道的冗余信息,提升了特征提取的质量.然后,该模型在多尺度融合阶段采用了动态上采样(dynamic upsampler,DySample),增强了模型的学习能力,并有效提升了小目标检测性能.最后,结合挤压和激励注意力(squeeze-and-excitation attention,SEAttention)机制,减少了背景信息的干扰,提高了病害检测精度.结果表明,与YOLOv11n模型相比,SD-YOLOv11模型在交并比阈值设置为 0.50、0.50～0.95 之间的平均精确率均值分别上升了 8.2%、15.0%,且计算量和参数量得到了优化.SD-YOLOv11 模型不仅提高了路面病害检测的准确性,而且体现了减少复杂背景误检方面的优势,为准确检测航拍道路病害提供了高效的解决方案.
关键词：路面病害YOLOv11n注意力机制轻量级算法目标检测深度学习
分类号：U418.6(道路工程)TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(52374155)
论文发表日期：2025-06-20
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：7( 224-230 )
英文信息