Devido à complexidade das formas das fissuras no pavimento, à facilidade de interferência ambiental e ao desequilíbrio entre precisão de detecção e leveza do modelo, este artigo propõe um método leve de detecção de fissuras no pavimento com características adaptativas. Primeiro, com base nas características de fissuras estreitas e de grande extensão, foi projetado um mecanismo eficiente de atenção às fissuras, comprimindo a dimensão das características para capturar dependências espaciais de longo alcance. Em segundo lugar, foi construída uma pirâmide de amostragem dinâmica para realizar amostragem adaptativa e extrair características-alvo, a fim de aumentar a capacidade de representação de características heterogêneas das fissuras. Em seguida, a rede principal leve HGNet_GS foi aprimorada e uma cabeça de detecção leve foi proposta, reduzindo significativamente a redundância computacional; foi utilizada a função de perda Powerful IoU para resolver o problema da dilatação das âncoras e melhorar a velocidade de convergência de modelos pequenos. Além disso, para validar a generalização do modelo, foi construído um conjunto de dados de defeitos de pavimento civil contendo um total de 2.985 imagens de defeitos sob diferentes condições de iluminação. Os resultados experimentais mostram que, em comparação com o modelo base YOLOv8n, a quantidade de parâmetros do modelo e a carga computacional foram reduzidas em 50% e 52%, respectivamente. No conjunto de dados construído, mAP50 e mAP95 aumentaram 5,4% e 4,1%, respectivamente; no conjunto de dados público RDD2022, mAP50 e mAP95 aumentaram 2,1% e 1,5%. O modelo já foi aplicado em dispositivos de borda e passou por testes de operação de engenharia, comprovando que pode atender às necessidades de aplicações de engenharia para detecção leve de fissuras no pavimento, fornecendo uma solução técnica para manutenção automatizada de estradas.

detecção de fissuras no pavimento;mecanismo de atenção;leveza;pirâmide de amostragem dinâmica;YOLOv8