基于YOLOv8的公路裂缝检测的改进
徐佳璐
朱立忠
沈阳理工大学自动化与电气工程学院 辽宁沈阳 110159
摘要：随着我国高速公路的不断发展,高速的维修养护随之提上日程,基于此,文章提出一种基于YOLOv8n的改进模型,以提升高速公路裂缝检测的准确性,并实现模型的轻量化设计.首先引用了 GAM注意力机制,提高了在复杂背景的特征提取能力;并且结合EIoU损失函数,优化了对细小目标的关注度;最后将Faster模块融入主干网络的C2f模块,减小模型的前向计算量.实验结果表明,改进后的YOLOv8n在精确度、召回率和平均精度均值(mAP)上比基础模型分别提升了 1.6、3.4和1.6个百分点,GFLOPs由原始结构的8.1降低至7.0,计算量下降约13.6％.整体性能仍优于当前主流检测模型.通过技术创新,提高了高速公路裂缝的自动化检测能力,填补了传统方法的主观性缺陷,为高速公路维护提供了更为高效、可靠的解决方案.
关键词：裂缝检测轻量化注意力机制
论文发表日期：2025-12-25
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：4( 40-43 )