来源：期刊VIP网 时间：
作者：梁胤杰;南新元;蔡鑫;李云鹏;勾海光;
单位：新疆大学电气工程学院;
摘要：为解决干扰背景下桥梁表面缺陷检测精度低、漏检率及误检率高等问题，本文提出一种数据增广与改进YOLOv8的桥梁缺陷检测方法。通过StyleGAN3和深度图像融合方法对少样本数据进行增广。在YOLOv8主干中加入SPD-Conv模块，提升对低分辨率缺陷的特征提取能力；颈部在AFPN结构的基础上，设计出AFPN＿UCG结构，使网络能更好地处理多尺度信息；在C2f中引入RFCBAMConv和DLKA模块，构建C2f＿RD模块，使其精准传递梯度信息，同时能够让网络更有效地捕捉小目标信息；通过DCNv3模块与Dynamic Head相结合设计出新的检测头，其将尺度、空间和任务3种注意力机制结合并使用DCNv3动态调整，进一步提升模型对不规则缺陷的预测性能。经实验，数据增广后mAP@0.5提升了2.4个百分点，改进后的YOLOv8准确率为93.2%,mAP@0.5为91.3%,较原模型分别提高了4.2和4.3个百分点，能够更加精准检测桥梁缺陷。
关键词：桥梁缺陷检测;;StyleGAN3;;YOLOv8;;特征融合;;注意力卷积;;信息交互
基金资助：国家自然科学基金(62303394);; 新疆维吾尔自治区自然科学基金(2022D01C694);; 新疆维吾尔自治区高校基本科研业务费科研项目(XJEDU2023P025)
