基于GSCFS-YOLOX算法的道路边坡病害检测方法研究

周 颖杰1, 庄 妍1, 张 海娜1, 占 小剑2, 曾 武3, 吴 锋4, 丁 杨5
1、华东交通大学
2、江西赣粤高速公路工程有限责任公司
3、江西省交通投资集团有限责任公司
4、中铁上海工程局集团有限公司
5、浙大城市学院

摘要


为应对复杂道路边坡病害检测中存在的环境干扰大、病害尺度差异显著以及传统方法检测精度不足等问题，本文提出一种基于YOLOX算法改进的道路边坡病害检测算法GSCFS-YOLOX。该算法以YOLOX算法为基本框架，通过引入全局通道-空间特征强化模块（GSCFS），在通道与空间双维度上增强对滑坡轮廓及关键特征的提取能力，抑制背景噪声干扰；在主干网络中嵌入动态稀疏卷积模块（DSCM），结合多尺度池化与特征复用机制，实现对不同尺度病害的适应与轻量化特征提取。实验结果表明所提方法在保障检测实时性的同时，显著提升了复杂环境下边坡滑坡检测的精度与稳定性，具备实际工程应用的能力。

关键词


道路边坡病害检测；YOLOX算法；GSCFS 模块；特征强化

全文:

PDF


参考


[1]陈滨华,高歆雨,王浩.福建某高速公路边坡滚石灾害分析[J].中文科技期刊数据库(引文版)工程技术,2022(8):5.

[2]张俊杰.基于深度学习的隧道表观病害智能识别研究[D].中南大学,2023.

[3]王能文,张涛.改进YOLOX-S实时多尺度交通标志检测算法[J].计算机工程与应用,2023,59(21):167-175.

[4]陈乔松,周丽,毛彦嵋,等.基于浅层空间特征融合与自适应通道筛选的目标检测方法[J].江苏大学学报:自然科学版,2022, 43(1):67-74.

[5] He P , Chen W , Pang L ,et al.The survey of one-stage anchorfree real-time object detection algorithms[J].Sixth Conference on Frontiers in Optical Imaging and Technology: Imaging Detection and Target Recognition, 2024:2.

[6]费春国,文章,庄子波.多尺度特征与注意力检测头的轻量化FOD检测[J].自动化仪表,2024,45(10):110-116.

[7] Yang X , Sheng H , Geng N ,et al.Research on Road Disease Detection Algorithm Based on Improved YOLOv5s[J].2024 6th International Conference on Electronics and Communication, Network and Computer Technology (ECNCT), 2024:305-309.


Refbacks

  • 当前没有refback。