来源：期刊VIP网 时间：
作者：吐尔逊·买买提;邱建卓;朱兴林;徐粒;
单位：新疆农业大学交通与物流工程学院;新疆农业大学智能交通工程技术研究中心;
摘要：为了解决道路裂缝自动化检测中目标分布尺度广、特征复杂多样以及需要处理大批量数据集的问题，提出一种基于YOLOv8n的轻量化道路裂缝检测算法GCW-YOLO。首先，将全局注意力机制引入到主干网络中，以增强道路裂缝特征的提取和融合能力；其次，采用Wise-IoU损失函数更换原本的损失函数来获得更好的特征聚焦，降低预测中的特征与分类损失；最后，将轻量化网络结构GhostNet引入残差计算模块，用于提高模型的特征提取效率，降低计算复杂度。实验在自制的高速公路裂缝病害数据集共计15 116张图片上进行训练与预测，并在公开数据集上验证算法的泛化性能。实验结果显示，所提算法平均精度均值达到63.5%，相较于原始模型提高6.0%，算法在空间和时间效率上分别提升3.0%和8.5%，检测速度达到250 f/s。对比实验结果表明，GCW-YOLO算法综合了轻量化和检测精度，并表现出良好的泛化性，在道路养护方面具有良好的实用价值和推广前景。
关键词：道路裂缝检测;;深度学习;;YOLOv8n;;注意力机制;;轻量化;;特征聚焦
基金资助：国家自然科学基金项目（51768071）;; 新疆交通投资（集团）有限责任公司科技项目：基于沥青路面病害数据及深度学习的病害智慧识别系统研究（JCZXXJAU2023001）
