面向车载巡检的基于YOLOv8的道路缺陷检测研究

随着交通网络规模扩张与服役年限增长,各类道路表面缺陷(裂缝、坑洼、深坑、网状裂缝)频发,亟须兼顾实时性与鲁棒性的自动化检测方法。本文将CBAM注意力机制嵌入YOLOv8,增强对关键纹理与细粒度目标的响应。基于2400余张路面图像构建数据集并精细化标注,采用分段学习率与早停策略完成训练与验证。对比显示,YOLOv8+CBAM在Precision、Recall、F1及mAP指标上均优于基线,并在小目标与复杂场景中提升更为显著。可视化结果与工程讨论表明,该方法具备面向车载巡检与智能维护的部署潜力。

资料为PDF文档格式.

本文档关键词:巡检,缺陷,面向,道路,车载