清华大学学报(自然科学版)

作者：李金沛, 孟晓林, 胡亮亮, 鲍艳, 赵诗雨

单位：1. 北京工业大学 建筑工程学院，北京 100124，中国,2. 北京工业大学 桥梁工程安全与韧性全国重点实验室，北京 100124，中国,3. 北京工业大学 城市与工程安全减灾教育部重点实验室，北京 100124，中国,4. 东南大学 仪器科学与工程学院，南京211189，中国,5. 帝国理工大学 工程学部，伦敦SW7 2AZ，英国

关键词：桥梁结构健康监测,无人机,小目标裂缝检测,YOLOv8,图像处理

基金：国家自然科学基金面上项目(51829801),国家自然科学基金面上项目(52378385)

随着中国桥梁大规模进入运维阶段，传统的桥梁检测方法通常依赖人工巡检和目视检查，无人机的桥梁表观图像数据采集能力较强，因此被逐步应用于桥梁表观病害检测。针对交通管控下无人机拍摄桥梁图像尺寸较大和小目标裂缝较多，目前检测算法提取小目标裂缝特征信息困难且存在识别漏检、误检等问题，该文提出了一种基于改进YOLOv8的桥梁小目标裂缝检测算法。首先，用高效视觉变换器(efficient vision transformer，EfficientViT)替换YOLOv8的主干网络，以减少大量冗余参数，增强图像的局部特征提取能力；其次，引入大型选择性核网络(large selective kernel network，LSKNet)，融合C2f模块注意力机制，选择性调整卷积核尺寸，降低运行参数，减少计算复杂度；最后，增加双向特征金字塔网络(bidirectional feature pyramid network，BiFPN)，融合P2小目标检测头，增加不同尺度特征图之间的信息耦合和小目标裂缝检测框，实现小目标裂缝精准识别与提取。依托无人机采集的某桥梁裂缝数据集进行小目标裂缝检测验证，与YOLOv8模型相比，该算法模型的图像识别准确率提高了3.7%，召回率提高了3.5%，F1分数提高了3.5%，平均精度均值50(mAP50)提高了3.9%，平均精度均值50到95(mAP50-95)提高了7.4%。该文所提的基于改进YOLOv8的桥梁小目标裂缝检测算法提高了桥梁结构小目标裂缝的识别准确率，为广泛应用于桥梁结构的表观健康监测提供了可行的解决方案。

来源：2025年第7期

《清华大学学报(自然科学版)》期刊编辑部

查看清华大学学报(自然科学版)杂志2025年第7期