摘要
为解决隧道裂缝人工检测效率低、复杂环境导致的特征提取难等问题,提出基于YOLOv11架构改进的隧道裂缝检测模型E-YOLO,该模型实现了3项核心优化:通过WTConv模块融合小波变换与Transformer注意力机制,实现多尺度裂缝特征的跨层交互与轻量化建模;嵌入CBAM注意力机制,通过通道与空间维度的自适应加权,强化裂缝区域特征表达并抑制背景干扰;设计Focal IoU损失函数,对难例样本(如细小裂缝、低对比度目标)实施动态梯度加权,缓解正负样本不平衡问题。实验选取Faster R-CNN、SSD、YOLOv5和YOLOv8作为对比算法,并以YOLOv11为基线模型进行系统评估。基于1228张隧道裂缝图像的实验数据表明,E-YOLO的精度和鲁棒性均优于其他模型。可视化分析证实,该模型在光照不均、背景干扰严重环境中仍能保持稳定的裂缝定位性能,为隧道结构安全监测提供了可靠的智能检测方案。
出处
《交通世界》
2025年第21期1-4,共4页
Transpoworld
