来源：期刊VIP网 时间：
作者：王洋;郭杜杜;帅洪波;
单位：新疆大学智能制造现代产业学院;新疆大学新疆交通基础设施绿色建养与智慧交通管控重点实验室;新疆大学交通运输工程学院;
摘要：针对现有方法对无人机高速公路护栏损坏检测存在边缘信息提取效果差、识别精度低的问题，提出一种基于深度学习的变化检测模型DDE-BIT。首先，采用深度可分离卷积优化主干网络Resnet18，减少模型的参数数量，降低计算成本；然后，在主干网络输出部分引入ECA注意力模块，在仅增加少量参数的情况下提高模型的跨通道信息捕捉能力；最后，通过跳跃连接方式对BIT双时空图像转换器的输出特征进行堆叠，提高模型的上下文信息理解能力。以采集的无人机高速公路护栏损坏图像为实验数据，实验结果表明：DDE-BIT模型的交并比和F1分数分别为90.99%、95.28%，相较于原始模型分别提高了2.71%、1.51%，能够有效地提取护栏损坏的边缘信息。
关键词：护栏损坏检测;;无人机;;ECA注意力机制;;深度可分离卷积;;图像处理;;信息提取
基金资助：新疆维吾尔自治区重点研发计划项目（2022B01015-3）;; 重点实验室开放课题（2023ZDSYSKFKT06）;; 新疆交通投资集团有限责任公司科技研发项目（XJJTZKX-FWCG-202401-0045）
