SDC-YOLOv8: Un algoritmo mejorado para la detección de defectos en carreteras mediante el aprendizaje de...

Área de la Ciencia:

• Visión por Computadora
• Inteligencia Artificial
• Gestión de Infraestructura Vial

Sus antecedentes:

• Los algoritmos de detección de objetos existentes tienen dificultades con los defectos pequeños en las carreteras y las condiciones ambientales complejas.
• La detección inexacta de defectos en las carreteras compromete la seguridad del tráfico y las reparaciones oportunas.

Objetivo del estudio:

• Desarrollar un algoritmo mejorado basado en YOLOv8 para la detección precisa y eficiente de defectos en carreteras.
• Mejorar la detección de defectos pequeños en la superficie de la carretera en escenarios desafiantes de iluminación y fondo.

Principales métodos:

• Se propuso el algoritmo SDC-YOLOv8 que integra el módulo SPPF-LSKA para la representación de características multiescala y la subida dinámica DySample para la reconstrucción adaptativa de características.
• Se incorporó el módulo Coordinate Attention para mejorar la precisión de la localización espacial en condiciones complejas.
• Se utilizó Fast Spatial Pyramid Pooling con Large Separable Kernel Attention (SPPF-LSKA) y subida dinámica DySample.

Principales resultados:

• SDC-YOLOv8 logró un 78,0% de mAP@0,5, un 81,0% de precisión y un 70,7% de recuperación en un conjunto de datos público de baches.
• El modelo demostró un rendimiento en tiempo real a 85 FPS, superando al modelo base YOLOv8n.
• Se logró una mejora de 2,0 puntos porcentuales en mAP@0,5, un 3,3% en precisión y un 1,8% en recuperación, con una puntuación F1 del 75,5%.

Conclusiones:

• SDC-YOLOv8 mejora eficazmente la precisión de la detección de objetivos pequeños para defectos en carreteras.
• El algoritmo mantiene capacidades de procesamiento en tiempo real, ofreciendo una solución práctica para la detección inteligente de defectos en carreteras.
• El método propuesto supone un avance significativo para las aplicaciones de mantenimiento de carreteras y seguridad del tráfico.