.png){kind=icon}
返回
Bridge crack detection algorithm designed based on YOLOv8
.png){kind=icon}
PRE
AI
DOI：10.1016/j.asoc.2025.112831.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于运营环境的复杂性和自然因素的影响，桥梁易出现包括裂缝在内的各种形式损坏。然而，传统桥梁检测方法常面临检测精度低、计算资源消耗高等挑战。精确桥梁裂缝检测的社会实践意义可概括为：保障桥梁安全、预防重大事故、维护桥梁结构健康、优化桥梁管理决策、促进科技进步以及增强公众信任。精确桥梁裂缝检测的意义不仅限于桥梁自身的安全与稳定，还关系到人民生命财产安全以及社会和谐稳定。本研究提出了一种基于YOLOv8框架的桥梁裂缝检测算法。首先，将SPPF_UniRepLk模块融入算法的主干网络，旨在增强其捕获和提取相关图像特征的能力。此外，为更好地把握特征图之间的全局依赖关系，引入了全局通道空间注意力（GCSA）机制，以提升算法对全局上下文信息的敏感度。最后，在算法的颈部网络组件中，采用Coordattention-Concat模块，通过非线性变换和特征重加权技术实现多源特征的整合与精炼，从而显著提升算法的整体性能。实验结果表明，基于YOLOv8设计的桥梁裂缝检测算法实现了72.1%的mAP50-95，能够准确检测裂缝。
Keyword:
YOLOv8
Crack detection
Bridge cracks
期刊
IF:
6.6
论文数:
1.4W
被引数:
4.8W
机构
引用论文
.png){kind=icon}
YOLO-FA: Type-1 fuzzy attention based YOLO detector for vehicle detectionYolo-fa: 基于1型模糊注意力的YOLO检测器用于车辆检测
PREAI
分享收藏ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile DevicesShuffleNet: 一种用于移动设备的极其高效的卷积神经网络
OAAI
OAAI分享收藏分享收藏Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition用于视觉识别的深度卷积网络中的空间金字塔池化
OAAI
OAAI分享收藏
查看更多内容