改进的YOLOv8的路面裂缝识别算法

路面裂缝是影响道路正常使用和交通安全的关键隐患之一。针对现阶段算法在路面裂缝识别中存在的成本高、效率低及准确率不足等问题,提出一种以YOLOv8框架为基础的改进的路面裂缝识别算法。首先,引入小目标层及额外的检测分割头,提升局部细小特征信息的检测和融合能力。其次,借鉴Transformer处理序列数据的上下文关联能力,融入了PET模块以获取全局自注意力机制,进一步优化对细小且长的裂缝的识别性能。此外,引入SPPF复用以增强特征信息表征,提升目标物体的识别和定位能力。结果表明,改进模型在路面裂缝识别有较显著提升,其mAP50达到73.1%,较原始提升8.3%,同时,与SSD、Mask R-CNN、YOLOv5、YOLOv6等4种算法进行对比分析,在均衡时空资源消耗和准确率下,改进算法具有更高的识别精度及环境适应性。