基于YOLOv11的实时混凝土裂缝检测与分割模型
计算机视觉与模式识别
2025-08-18 v1
摘要
长江三角洲地区交通基础设施的加速老化要求高效的混凝土裂缝检测，因为裂缝劣化严重威胁结构完整性和区域经济增长。为克服低效人工检测和现有深度学习模型性能不足的局限，特别是复杂背景下小目标裂缝检测的不足，本文提出了YOLOv11-KW-TA-FP，一个基于YOLOv11n架构的多任务混凝土裂缝检测与分割模型。所提出的模型集成了三阶段优化框架：（1）在骨干网络中嵌入动态核仓库卷积（KWConv），通过动态核共享机制增强特征表征；（2）在特征金字塔中引入三重注意力机制（TA），加强通道-空间交互建模；（3）设计FP-IoU损失函数以促进自适应边界框回归惩罚。实验验证表明，增强模型在基准模型上取得了显著性能提升，达到91.3%精确率、76.6%召回率和86.4% mAP@50。消融研究证实了所提出模块的协同有效性。此外，鲁棒性测试表明在数据稀缺和噪声干扰条件下性能稳定。本研究为自动化基础设施检测提供了高效的计算机视觉解决方案，具有显著的实用工程价值。
引用
@article{arxiv.2508.11517,
title = {A Real-time Concrete Crack Detection and Segmentation Model Based on YOLOv11},
author = {Shaoze Huang and Qi Liu and Chao Chen and Yuhang Chen},
journal= {arXiv preprint arXiv:2508.11517},
year = {2025}
}