摘要
针对路面病害检测中存在的病害尺度差异大、多尺度病害特征提取难、病害在图像中占比小等问题,提出一种基于YOLOv8网络的道路路面裂缝智能检测方法,并在自建的道路路面裂缝数据集中进行模型训练和参数调优。结果表明,n、s、m、l、x 5种版本YOLOv8模型的精确率分别为90.2%、91.2%、91.1%、92.2%、89.0%,召回率分别为86.9%、87.8%、89.9%、87.5%、90.1%,综合比较,YOLOv8m最优,其平均检测精确率和F 1分数分别为94.8%、90.5%,计算量为78.7,适用于道路工程路面裂缝智能检测。
出处
《公路与汽运》
2024年第5期89-94,163,共7页
Highways & Automotive Applications
基金
浙江省交通运输厅重大研发项目(ZJXL-SJT-202316A)。