一种基于改进YOLO网络的混凝土裂缝识别方法研究

罗洪波; 马祥元; 万雷; 余凡

您当前的位置：

首页 >

文章列表页 >

一种基于改进YOLO网络的混凝土裂缝识别方法研究

更新时间：2026-08-07

- 一种基于改进YOLO网络的混凝土裂缝识别方法研究
- Vol. 24, Issue 4, Pages: 22-27(2026)
- 作者机构：
  
  1. 长江空间信息技术工程有限公司,武汉
  2. 长江勘测规划设计研究有限责任公司
  3. 湖北省水利信息感知与大数据工程技术研究中心
  4. 北京建筑大学测绘学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TU755.7;TP183;TP391.41
- Published：2026
- 稿件说明：
移动端阅览
罗洪波, 马祥元, 万雷, et al. 一种基于改进YOLO网络的混凝土裂缝识别方法研究[J]. 2026, 24(4): 22-27.
DOI：

罗洪波, 马祥元, 万雷, et al. 一种基于改进YOLO网络的混凝土裂缝识别方法研究[J]. 2026, 24(4): 22-27. DOI：

摘要

为提高混凝土裂缝检测的准确性与实时性，针对传统方法中存在的样本不平衡和小裂缝难以识别的问题，提出了一种改进的YOLO深度神经网络。为解决样本分布不均问题，采用数据增强策略并引入了SlideLoss损失函数，有效缓解了因类别不平衡带来的训练困难；同时，通过集成LSKNet注意力机制，显著提升了模型对微小裂缝特征的捕捉能力；此外，通过采用轻量化的MobileNetV3替换了YOLOv8原有的骨干网络，提高了裂缝识别的准确性和效率，缩小了计算量和占用内存。相比于原YOLOv8网络，改进后的网络在recall、precision和mAP@0.5上分别提升4.2%、3.8%和5.5%。实验结果表明，所提出的改进模型在混凝土裂缝识别任务中取得了较高的检测精度和明显加快的运行速度，为实际工程应用提供了一种高效且实用的裂缝检测技术。

Abstract

关键词

Keywords

references

Xincong Yang,Heng Li,Yantao Yu,Xiaochun Luo,Ting Huang,Xu Yang.Automatic Pixel‐Level Crack Detection and Measurement Using Fully Convolutional Network[J].Computer‐Aided Civil and Infrastructure Engineering,2018.

刘德军,仲飞,黄宏伟,左建平,薛亚东,张东明.运营隧道衬砌病害诊治的现状与发展[J].中国公路学报,2021(11).

张振海,贾争满,季坤.基于改进的Otsu法的地铁隧道裂缝识别方法研究[J].重庆交通大学学报(自然科学版),2022(01).

刘渭宁,李文锋,李科,丁浩,袁聪.基于机器视觉的隧道衬砌表观病害检测技术研究进展[J].公路交通技术,2021(03).

王腾,孟小亮,蔡冠中,陈影,孙洁衍,姚鹏.自然资源视频监测目标检测关键技术研究与应用[J].地理空间信息,2024(03).

余添添,吴松,唐芝青,屈伟军,肖德勋,李琪.利用铁塔视频图像和改进YOLOv5的违规施工监测[J].地理空间信息,2024(04).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

结合二阶池化注意与动态上采样的轻型街景车辆检测方法

湖北省自然资源“一村一图”编制创新与实践

云南省不动产地籍调查数据库质检规则设计与实现

改进麻雀搜索算法优化最小二乘支持向量机的高程拟合

基于车牌识别数据的稀疏车辆出行轨迹还原研究

Related Author

王笑

秦海超

Related Institution

建设综合勘察研究设计院有限公司

AI问答

⁰