基于改进 YOLOv8 的智能道路裂缝检测与分析
计算机视觉与模式识别
2025-07-17 v1 人工智能
机器学习
摘要
随着城市化进程加快和交通流量增加，路面损害问题日益突出，对道路安全和寿命构成严重威胁。传统的坑洞检测依赖人工检查，既低效又昂贵。本文提出一种基于增强 YOLOv8 深度学习框架的智能道路裂缝检测与分析系统。通过训练 4029 张图片，开发了目标分割模型，能够高效准确地识别和分割道路裂缝区域。模型还对分割区域进行分析，精确计算裂缝的最大和最小宽度及其确切位置。实验结果表明，引入 ECA 和 CBAM 注意力机制显著提升了模型的检测精度和效率，为道路维护和安全监测提供了新解决方案。
引用
@article{arxiv.2504.13208,
title = {Intelligent road crack detection and analysis based on improved YOLOv8},
author = {Haomin Zuo and Zhengyang Li and Jiangchuan Gong and Zhen Tian},
journal= {arXiv preprint arXiv:2504.13208},
year = {2025}
}
备注
Accepted by IEEE - ICAACE 2025