В связи со сложной формой трещин на дорожном покрытии, их подверженностью воздействию окружающей среды, а также несбалансированностью между точностью обнаружения и упрощённостью модели, в данной статье предложен лёгкий метод обнаружения трещин на дорогах с адаптивными признаками. Во-первых, учитывая узкую и протяжённую природу трещин, была разработана эффективная механизм внимания к трещинам, сжимающий размерность признаков для захвата долгосрочных пространственных зависимостей. Во-вторых, построена динамическая пирамидальная выборка для адаптивной выборки и извлечения целевых признаков с целью улучшения представления разнородных признаков трещин. Затем была усовершенствована лёгкая основная сеть HGNet_GS и предложена лёгкая детекторная голова, значительно снижая вычислительное избыточность; применена функция потерь Powerful IoU для решения проблемы раздувания якорных рамок и ускорения сходимости малых моделей. Кроме того, для проверки обобщающей способности модели была создана собственная база данных дефектов дорожного покрытия гражданского назначения, содержащая 2985 изображений дефектов при различных условиях освещения. Экспериментальные результаты показывают, что по сравнению с базовой моделью YOLOv8n, количество параметров и вычислительная нагрузка уменьшились на 50% и 52% соответственно. На собственной базе данных mAP50 и mAP95 увеличились на 5.4% и 4.1% соответственно; на открытом датасете RDD2022 mAP50 и mAP95 увеличились на 2.1% и 1.5%. Модель была применена на периферийных устройствах и прошла инженерные испытания, подтвердив свою способность удовлетворять требованиям инженерных приложений по лёгкому обнаружению трещин дорожного покрытия, предоставляя техническое решение для автоматизированного обслуживания дорог.

обнаружение трещин дорожного покрытия;механизм внимания;лёгкий;динамическая пирамидальная выборка;YOLOv8