Investigación sobre la mejora de la detección de grietas aparentes en la carretera basada en el modelo mejorado...

Área de la Ciencia:

• Visión por computadora
• Inteligencia artificial
• Ingeniería civil

Sus antecedentes:

• La detección de grietas en la superficie de la carretera es crucial para el mantenimiento de la infraestructura.
• Los algoritmos existentes luchan con escalas de grietas variables y fondos complejos.
• La detección inexacta conduce a ineficiencias en el mantenimiento.

Objetivo del estudio:

• Mejorar el algoritmo YOLOv8n para mejorar la detección de grietas en la superficie de la carretera.
• Para hacer frente a las limitaciones de la precisión insuficiente y las detecciones perdidas.
• Desarrollar un sistema de identificación de grietas más robusto y eficiente.

Principales métodos:

• Integración del módulo de atención de bloque convolucional (CBAM) con el módulo de fusión parcial en etapas cruzadas (C2f).
• Introducción de la pirámide espacial que agrupa el canal parcial más rápido entre etapas (SPPFCSPC) para la extracción de características a escala múltiple.
• Adopción del paradigma Slim-Neck y la función de pérdida de la intersección ponderada sobre la Unión (WIOU).

Principales resultados:

• El algoritmo YOLOv8n mejorado demostró mejoras significativas con respecto al índice de referencia.
• Precisión promedio (mAP@50) aumentó en un 1,8%, mAP@50-95 en un 1,7% y Recall en un 1,8%.
• El modelo refinado muestra regresión de caja de límite superior y mitigación de gradiente.

Conclusiones:

• El algoritmo YOLOv8n mejorado mejora efectivamente la precisión de la detección de grietas en la superficie de la carretera.
• Las modificaciones manejan con éxito la variabilidad de la escala objetivo y la interferencia de fondo.
• Este algoritmo avanzado cumple con las demandas de las prácticas modernas de mantenimiento de carreteras.