Devido à diversidade das formas de danos na superfície das vias, baixa precisão de detecção e alta taxa de omissão, este artigo propõe um método aprimorado baseado no modelo RT-DETR. Primeiramente, baseado na ideia conjunta de reforço de bordas de alta frequência no domínio espacial e extração de características globais no domínio de frequência, foi projetado o módulo de aprimoramento de características dos domínios espacial e frequencial FreSCal, que melhora a capacidade do modelo de extrair informações de alvos e bordas, além de aprimorar a capacidade de distinção entre a região do alvo e o fundo. Em segundo lugar, inspirando-se na ideia de reconstrução de características guiada por contexto da rede CGRSeg, propôs-se a rede piramidal RSDFPN para reconstrução de características espaciais guiadas por contexto, que, através da construção de uma pirâmide semântica consciente da escala e um mecanismo dinâmico de fusão de características, reforça significativamente a capacidade do modelo de fundir características de alvos em múltiplas escalas. Por fim, através da convolução dinâmica com agrupamento e embaralhamento e da capacidade de modelagem global do Transformer, alcança-se uma eficiente melhoria das características no domínio espacial e uma fusão contextual no domínio de frequência, aumentando a precisão da detecção de reconhecimento de alvos do modelo. Os resultados experimentais mostram que o método aprimorado proposto neste artigo obteve melhorias significativas nos dois principais conjuntos de dados RDD2022 e UAV-PDD2023, com aumento do indicador mAP@0.5 em 1,9% e 3,7%, respectivamente, em comparação com o método base, podendo fornecer um suporte técnico eficaz para a detecção de danos na superfície das vias.

detecção de danos na superfície das vias; Transformer para detecção em tempo real; domínio espacial e frequencial duplo; reconstrução guiada por contexto; convolução dinâmica com agrupamento e embaralhamento e módulo de otimização cooperativa Transformer