Debido a la forma compleja de las grietas en la superficie de la carretera, su susceptibilidad a interferencias ambientales y el desequilibrio entre precisión de detección y ligereza del modelo, este artículo propone un método ligero de detección de grietas en carreteras basado en características adaptativas. Primero, considerando que las grietas son estrechas y de gran extensión, se diseñó un mecanismo eficiente de atención a las grietas que comprime la dimensión de las características para capturar dependencias espaciales de largo alcance. En segundo lugar, se construyó una pirámide de muestreo dinámica para realizar un muestreo adaptativo y extraer las características objetivo, con el fin de mejorar la capacidad de representación de características heterogéneas de las grietas. Luego, se mejoró la red principal ligera HGNet_GS y se propuso una cabeza de detección ligera, reduciendo significativamente la redundancia computacional; se utilizó la función de pérdida Powerful IoU para resolver el problema de la inflación de anclas y mejorar la velocidad de convergencia de modelos pequeños. Además, para validar la generalización del modelo, se construyó un conjunto de datos de defectos de carreteras civiles que contiene un total de 2,985 imágenes de defectos bajo diferentes condiciones de iluminación. Los resultados experimentales muestran que, en comparación con el modelo base YOLOv8n, la cantidad de parámetros y el cómputo se redujeron en un 50% y 52%, respectivamente. En el conjunto de datos propio, mAP50 y mAP95 mejoraron en 5.4% y 4.1%, respectivamente; en el conjunto de datos público RDD2022, mAP50 y mAP95 mejoraron en 2.1% y 1.5%. El modelo ya fue implementado en dispositivos edge y probado en operaciones de ingeniería, demostrando que puede satisfacer las necesidades de aplicaciones de ingeniería para la detección ligera de grietas en carreteras, ofreciendo una solución técnica para el mantenimiento automatizado de carreteras.

detección de grietas en carreteras;mecanismo de atención;ligereza;pirámide de muestreo dinámica;YOLOv8