面向航拍路面裂缝检测的AC-YOLO.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（1）153

面向航拍路面裂缝检测的AC-YOLO

12+3

白锋，马庆禄，赵敏

1.重庆交通大学土木工程学院，重庆400074

2.重庆交通大学交通运输学院，重庆400074

3.重庆大学自动化学院，重庆400044

+通信作者E-mail：qlm@

摘要：针对当前道路巡检智能化程度不足以及效率低等现状，为提高利用无人机道路巡检检测效率与检测精

度，在YOLOv8s的基础上针对无人机航拍场景提出改进模型AC-YOLO，在主干网络引入动态大卷积核注意机制

LSK-attention来扩展模型的感受野，提高对路面裂缝范围检测的准确性。在颈部结构设计多尺度特征融合策略，融

入BiFPN网络，改善对细小裂缝的检测。替换损失函数为WIoUv3，优化梯度分配策略，使模型更加关注裂缝主体。

在数据集UAV-PDD2023上进行实验验证，改进后AC-YOLO精准度达到0.895，较原模型提高0.128，mAP50达到

0.791，提高0.071，F1得分提高0.051，模型大小减小8.5%，FPS达到了129，提高4%。同时采用不同任务验证了模型

泛化性能，实验结果证明AC-YOLO具有更强的检测性能，能有效应用于无人机视角下的路面裂缝检测。

关键词：道路巡检；裂缝检测；航拍裂缝；增强感知；特征融合

文献标志码：A中图分类号：U495；TP391doi：10.3778/j.issn.1002-8331.2407-0139

AC-YOLOforAerialPavementCrackDetection

12+3

BAIFeng,MAQinglu,ZHAOMin

1.SchoolofCivilEngineering,ChongqingJiaotongUniversity,Chongqing400074,China

2.SchoolofTrafficTransportation,ChongqingJiaotongUniversity,Chongqing400074,China

3.SchoolofAutomation,ChongqingUniversity,Chongqing400044,China

Abstract：Inresponsetothecurrentissuesofinsufficientautomationandlowefficiencyinroadinspection,thisstudy

aimstoenhancetheefficiencyandaccuracyofUAV-basedroadinspection.BasedonYOLOv8s,animprovedmodel,

AC-YOLO,isproposedspecificallyforUAVaerialscenarios.First,themodelintegratesadynamiclarge-kernelconvolu-

tionalattentionmechanism,LSK-attention,intothebackbonenetworktoexpandthereceptivefieldandimprovethe

model’saccuracyindetectingroadcrackareas.Second,amulti-scalefeaturefusionstrategyisintroducedintheneck

structurebyincorporatingtheBiFPNnetwork,enhancingthemodel’sabilitytodetectfinecracks.Finally,thelossfunc-

tionisreplacedwithWIoUv3,optimizingthe