.png){kind=icon}
返回
Improved YOLOv8n-based bridge crack detection algorithm under complex background conditions
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-97842-2.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于深度学习的图像处理方法常用于桥梁裂缝检测。针对检测过程中因光照、污渍和密集裂缝导致的漏检和误检问题，本文提出了一种基于改进YOLOv8n模型的桥梁裂缝检测算法。首先，通过在Backbone和Neck中引入全局注意力机制来增强模型的特征提取能力，以获取额外的裂缝表征信息；并通过Gam-Concat优化原始特征融合模型，增强特征融合效果。随后，在FPN-PAN结构中，用DySample替换原始上采样模块，促进高低分辨率特征信息的完全融合，提升对不同尺度裂缝的检测能力。最后，在Head中添加MPDIoU以优化边界框函数损失，增强模型对密集裂缝重叠度的评估能力，更好地反映裂缝间的空间关系。在消融实验和对比实验中，改进模型相较于原始模型，mAP@0.5、mAP@0.5:0.95、精确率和召回率分别提升了3.02%、3.39%、2.26%和0.81%，且检测精度显著高于其他对比模型，具有在桥梁检测项目中的实际应用价值。
Keyword:
YOLOv8n
Bridge crack detection
Complex background conditions
Deep learning
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
暂无机构信息
引用论文
Research on a U-Net Bridge Crack Identification and Feature-Calculation Methods Based on a CBAM Attention Mechanism基于CBAM注意机制的u-net桥梁裂缝识别与特征计算方法研究.png)
BUILDINGSOAAI
BUILDINGSIF3.1
OAAI分享收藏
EGCY-Net: An ELAN and GhostConv-Based YOLO Network for Stacked Packages in Logistic SystemsEGCY-Net: 一种基于ELAN和GhostConv的用于物流系统中堆叠包裹的YOLO网络OAAI
OAAI分享收藏A novel YOLOv8-GAM-Wise-IoU model for automated detection of bridge surface cracks一种新的桥面裂纹自动检测YOLOv8-GAM-Wise-IoU模型
PREAI
分享收藏Wood Surface Defects Detection Based on the Improved YOLOv5-C3Ghost With SimAm ModuleIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏LD-YOLO: A Lightweight Dynamic Forest Fire and Smoke Detection Model with Dysample and Spatial Context Awareness ModuleForestsOAAI
ForestsIF0
OAAI分享收藏Steel Surface Defect Detection Method Based on Improved YOLOv9 Network基于改进YOLOv9网络的钢材表面缺陷检测方法IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容