基于改进YOLOv11n的轻量级桥梁裂缝图像检测算法
孙伟1
刘文江2
1.山东交通学院轨道交通学院,山东 济南 2503572.山东交通学院航空学院,山东 济南 250357
摘要：针对当前桥梁裂缝图像检测精度较低,算法规模较大不便于部署在资源受限的边缘设备等问题,提出一种改进YOLOv11n(you only look once version 11 nano)的轻量级桥梁裂缝图像检测算法,通过融合ShuffleNetV2模块与跨尺度融合模块(cross-scale fusion module,CCFM),构建Shuffle-CCFM结构,提高多尺度特征的融合能力并降低算法参数量;在跨通道局部空间注意力(cross-channel partial spatial attention,C2PSA)模块中引入倒置残差块注意力机制(inverted residual mobile block with attention,iRMB),形成 C2PSA-iRMB 模块,提高算法对复杂裂缝细节的识别能力,并增强同一裂缝结构区域内空间长距离特征的关联建模能力;在C3k2模块中集成小波卷积(wavelet transform convolution,WTConv),形成C3k2-WTConv模块,提高模型在不同尺度下的特征提取能力;采用动态上采样器DySample代替传统上采样模块,根据特征图内容自适应调整采样位置,提高上采样阶段的空间分辨率与细节还原能力.开展消融试验、对比试验和可视化检测效果试验验证改进YOLOv11n算法的检测性能,试验结果表明:相较于YOLOv11n算法,引入Shuffle-CCFM结构、C2PSA-iRMB模块、C3k2-WTConv模块和DySample模块后的改进YOLOv11n算法的参数量NP、计算量Nf、权重文件大小T分别减小27.5％、23.8％、32.7％,交并比阈值为50时平均精度均值EmAP50、交并比阈值从50增至95时平均精度均值EmAP50-95和召回率R分别提高1.6％、3.8％、0.4％,算法轻量化和检测精度明显提高;改进YOLOv11n算法对桥梁裂缝图像的检测精度和性能指标明显优于YOLOv5n、YOLOv6n、YOLOv8n、YOLOv10n等轻量级算法,适合部署于计算资源受限的边缘设备;改进YOLOv11n算法在桥梁裂缝可视化检测试验中对检测结果精确率有更高的置信度,对尺寸微小、形态复杂的裂缝细节捕捉能力较强,在复杂背景下具有较强的抗干扰能力.
关键词：桥梁裂缝图像检测YOLOv11nShuffleNetV2CCFMiRMBWTConvDySample
分类号：U446.2(桥涵工程)TP183(自动化基础理论)
资助基金：交通部交通运输行业重点科技项目(2022-ZD4-066)
论文发表日期：2025-11-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：11( 95-105 )
英文信息