一种基于改进YOLOv8s模型的道路缺陷检测方法技术

本发明专利技术公开了一种基于改进YOLOv8s模型的道路缺陷检测方法，应用于道路缺陷检测技术领域。包括以下步骤：采集具有不同类型裂缝缺陷的道路图像，将采集的道路图像输入样本模型中生成缺陷样本；将缺陷样本分为训练集和测试集，训练改进后的YOLOv8s模型；采集待检测道路图像并输入训练完成的YOLOv8s模型，YOLOv8s模型中的特征提取网络提取待检测道路图像的特征；YOLOv8s模型中的特征融合网络对待检测道路图像的特征进行融合处理；YOLOv8s模型中的目标探测网络进行缺陷检测；YOLOv8s模型中的输出网络输出检测结果，完成道路缺陷检测。本发明专利技术通过改进YOLOv8s模型提高运算速度同时保证了检测的精准度。

【技术实现步骤摘要】

本专利技术涉及道路缺陷检测，更具体的说是涉及一种基于改进yolov8s模型的道路缺陷检测方法。

技术介绍

1、随着城市化的发展，道路的建设成为非常重要的一项工作。但是，由于道路长期处于高负荷的状态下运行，再加上自然因素(如天气、季节交替变化等)，会产生一些损伤和缺陷，这些缺陷会影响行车安全和行车舒适度。若不及时对其进行检查维护，将会给人们的通行带来危害。为了提高道路使用性能，确保行车安全，采用快速、准确的道路缺陷检测方法势在必行，在道路维护领域内，道路缺陷的细致检测对于实现这些目标具有更高的重要性。

2、yolov8是由ultralytics公司开发的yolo目标检测和图像分割模型的最新版本，它是一种尖端的、最先进的(sota)模型，建立在先前yolo成功基础上，并引入了新功能和改进，以进一步提升性能和灵活性。虽然yolov8能够用于道路的缺陷检测，但目前其检测速度和准确度均无法满足道路安全运营维护的需求。因此，如何提供一种基于改进yolov8s模型的道路缺陷检测方法是本领域技术人员亟需解决的问题。

<b>技术实现思路...

【技术保护点】

1.一种基于改进YOLOv8s模型的道路缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进YOLOv8s模型的道路缺陷检测方法，其特征在于，特征提取网络中将YOLOv8s模型中的C2f模块替换为C2f-faster-EMA模块，下采样卷积模块替换为上下文引导模块，SPPF模块替换为simSPPF模块，其中，C2f-faster-EMA模块包括依次连接的第一CBS单元、Split层、第一EMA-faster单元、第二EMA-faster单元、第三EMA-faster单元、Concat层和第二CBS单元，Concat层还分别与Split层、第一EMA-...

【技术特征摘要】

1.一种基于改进yolov8s模型的道路缺陷检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于改进yolov8s模型的道路缺陷检测方法，其特征在于，特征提取网络中将yolov8s模型中的c2f模块替换为c2f-faster-ema模块，下采样卷积模块替换为上下文引导模块，sppf模块替换为simsppf模块，其中，c2f-faster-ema模块包括依次连接的第一cbs单元、split层、第一ema-faster单元、第二ema-faster单元、第三ema-faster单元、concat层和第二cbs单元，concat层还分别与split层、第一ema-faster单元、第二ema-faster单元连接，第一cbs单元和第二cbs单元均由依次连接的卷积层、批量归一化层和激活函数组成。

3.根据权利要求2所述的一种基于改进yolov8s模型的道路缺陷检测方法，其特征在于，上下文引导模块包括局部特征提取单元、周围特征提取单元、联合特征提取单元和全局上下文特征提取单元，局部特征提取单元、周围特征提取单元均与联合特征提取单元连接，联合特征提取单元与全局上下文特征提取单元连接。

4.根据权利要求2所述的一种基于改进yolov8s模型的道路缺陷检测方法，其特征在于，simsppf模块包括依次连接的第一cbr单元、第一maxpool2d单元、第二maxpool2d单元、...

【专利技术属性】
技术研发人员：王金磊，孟瑞锋，高赫，周琳，霍露佳，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：