Efficient Pavement Damage Detection Algorithm Based on Lightweight Feature Enhancement Network

doi:10.1061/JPCFEV.CFENG-5120

Efficient Pavement Damage Detection Algorithm Based on Lightweight Feature Enhancement Network

2025-10-01

0

PRE

AI

DOI：10.1061/JPCFEV.CFENG-5120

原文链接

原文求助

摘要

En 中文

在复杂自然环境中高效检测路面损伤对于交通运输基础设施的智能维护至关重要。为解决结构复杂性、资源利用率和检测精度相关的挑战，本文提出了一种基于轻量化特征增强网络的创新路面损伤检测算法。该模型将Ghost模块集成到YOLOv5s中以提升特征提取效率，并构建了更轻量的骨干网络。随后采用SimAM增强对损伤目标进行定位和感知的能力。此外，将位置损失函数替换为Wise-IoUv3，优化梯度分布以进一步提高检测精度。实验结果表明，所提出的模型体积仅为8.03 M，平均检测帧率每秒为144帧，平均精度均值（mAP）达到84.1%，优于YOLOv5s 4.4%。该模型还分别减少了41.4%的参数量和44.3%的GFLOPs，同时将检测速度提升了37.9%。与YOLOv7-tiny相比，该模型在精度上提升了6.7%，mAP提升了3.4%，召回率提升了0.2%，F1分数提升了0.5%。此外，四种损伤类型（纵向裂缝、横向裂缝、网状裂缝和坑洼）的平均精度分别提升了3.2%、2.7%、6.5%和1.0%。这些发现证实，所提出的算法不仅满足实时检测要求，还提供了轻量化和高精度的路面损伤检测，能够促进在智能交通监控系统中的更广泛应用。

Keyword:

Object detection

Pavement damage

Lightweight model

You Only Look Once (YOLO)

Feature enhancement network

Efficient Pavement Damage Detection Algorithm Based on Lightweight Feature Enhancement Network

摘要

期刊

机构