来源：期刊VIP网 时间：
作者：付正;马双宝;张亚鹏;秦乐达;
单位：武汉纺织大学机械工程与自动化学院;
摘要：针对传统隧道裂缝检测存在检测精度低、泛化能力差等问题，本文对YOLOv8n目标检测算法进行改进.引入CPCA注意力机制，提升模型的泛化能力，融合空间信息；通过引入大可分离卷积注意力的思想，改造空间金字塔池化，让模型更好地进行特征融合；采用轻量化的动态上采样DySample替换原网络的采集结构，提升图像处理的质量.结果表明：改进后的YOLOv8n模型在训练集上的P,R和m_(AP@0.5)分别提高了7.3%,1.2%和4.1%,而权重文件仅为6.78 MB,可以应用于巡检机器人上进行目标检测任务.
关键词：YOLOv8n;;裂缝识别;;巡检机器人;;DySample
基金资助：国家自然科学基金资助项目(62103309);; 湖北省数字化纺织装备重点实验室公开项目(DTL2022007)
