摘要
本发明提出了一种基于HSW‑YOLOv8的道路裂缝检测方法,旨在提高裂缝检测的准确度和速度。该方法首先利用无人机高空飞行对地面建筑物、道路等进行拍摄,获取包含裂缝的高分辨率图像数据集,并对数据集进行标注和划分。接着以YOLOv8n网络为基础,使用HGNetV2替换其主干网络,通过HGStem、HGBlock和DWConv的组合实现高效且轻量化的特征提取。在SPPF模块中引入LSKA注意力机制扩大网络的感受野并实现长依赖相关性,同时引入Wise‑IoU损失函数优化裂缝边界的回归精度。通过训练和优化后的HSW‑YOLOv8网络模型,能够快速准确地输出图像中裂缝的类别、位置及边界框信息,提高了算法的识别精度。
技术关键词
裂缝检测方法
损失函数优化
高分辨率摄像头
通道注意力机制
图像增强模块
道路裂缝检测系统
特征提取能力
模型训练模块
图像获取模块
裂缝特征
无人机
训练集
复杂度
特征提取网络
数据
系统为您推荐了相关专利信息
设备运行状态信息
多源融合
故障特征提取
机械故障诊断
通道注意力机制
动态监测方法
层级
输入多尺度
通道注意力机制
图像块
步态识别方法
识别视频序列
深度神经网络
卷积模型
分类器
语义分割网络
光伏组件热斑检测
特征提取网络
光伏系统
通道注意力机制
卷积网络模型
原型
节点特征
损失函数优化
广度优先搜索