面向航拍路面裂缝检测的AC-YOLO

针对当前道路巡检智能化程度不足以及效率低等现状,为提高利用无人机道路巡检检测效率与检测精度,在YOLOv8s的基础上针对无人机航拍场景提出改进模型AC-YOLO,在主干网络引入动态大卷积核注意机制LSK-attention来扩展模型的感受野,提高对路面裂缝范围检测的准确性。在颈部结构设计多尺度特征融合策略,融入BiFPN网络,改善对细小裂缝的检测。替换损失函数为WIoUv3,优化梯度分配策略,使模型更加关注裂缝主体。在数据集UAV-PDD2023上进行实验验证,改进后AC-YOLO精准度达到0.895,较原模型提高0.128,mAP50达到0.791,提高0.071,F1得分提高0.051,模型大小减小8.5%,FPS达到了129,提高4%。同时采用不同任务验证了模型泛化性能,实验结果证明AC-YOLO具有更强的检测性能,能有效应用于无人机视角下的路面裂缝检测。