基于改进YOLOv8算法的地铁隧道裂缝识别方法研究

为解决地铁隧道裂缝智能识别困难,尤其针对地铁隧道裂缝检测天窗时间短、人工检测效率低、裂缝识别特征不明显、隧道内干扰物较多等问题,提出一种基于YOLOv8的改进算法——M-YOLO(Modified-YOLO),高效智能识别隧道裂缝。M-YOLO算法运用全维度动态卷积取代传统卷积模块,能显著提高检测的准确性,避免模型参数膨胀的问题;引入C2fGC模块对网络结构进行改进,构建新的特征提取与降维机制,增强高层次特征表示;整合CBAM注意力机制模块,强化对裂缝区域图像的特征学习与提取,减弱背景干扰,进而有效提升检测精度;引入WIOU损失函数来调节几何因素的惩罚程度,提高模型的泛化能力,在低质量数据样本下的表现更为出色。试验结果表明,在地铁隧道裂缝识别的真实样本中,M-YOLO算法的P mAP(平均精度均值)高达83.0%,较原模型提高了15.7%。