基于YOLOv8实例分割的桥梁裂纹识别.pdfVIP

ArtificialIntelligenceandRoboticsResearch人工智能与机器人研究,2025,14(6),1544-1550

PublishedOnlineNovember2025inHans./journal/airr

/10.12677/airr.2025.146144

基于YOLOv8实例分割的桥梁裂纹识别

杨明

安顺开放大学，贵州安顺

收稿日期：2025年10月16日；录用日期：2025年11月14日；发布日期：2025年11月24日

摘要

桥梁结构的安全性是工程领域的重要关注点，裂纹检测是保障桥梁安全的关键环节。本文提出了一种基

于YOLOv8实例分割的桥梁裂纹识别方法，旨在解决传统检测方法在准确性上不足的问题。首先，我们改

进了数据增强方法，增强了模型对不同环境下裂纹图像的鲁棒性和泛化能力，使得模型在复杂实际应用

中表现更加稳定。其次，在C2F模块中引入了CoordinateAttention注意力机制。该机制通过对特征图的

通道关系进行建模，提升了模型对关键信息的关注度，从而提高了裂纹检测的准确性。CoordinateAt-

tention在空间和通道维度上融合信息，使模型能够更精准地捕捉到裂纹的细节特征。实验结果表明，本

文提出的方法在本文构造的数据集上表现出色，在精度上提高了3.5个百分点，并且召回率和mAP均有提

升，对实际工程应用具有重要指导意义。

关键词

桥梁裂纹检测，Yolov8，数据增强，注意力机制

BridgeCrackRecognitionBasedonYOLOv8

InstanceSegmentation

MingYang

AnshunOpenUniversity,AnshunGuizhou

Received:October16,2025;accepted:November14,2025;published:November24,2025

Abstract

Thesafetyofbridgestructuresisanimportantconcernintheengineeringfield,andcrackdetection

isakeylinktoensurethesafetyofbridges.Inthispaper,weproposeabridgecrackrecognition

methodbasedonYOLOv8instancesegmentation,aimingatsolvingtheproblemofinsufficientac-

curacyoftraditionaldetectionmethods.First,weimprovethedataenhancementmethodtoen-

hancetherobustnessandgeneralizationabilityofthemodeltocrackimagesindifferentenvironments,

文章引用:杨明.基于YOLOv8实例分割的桥梁裂纹识别[J].人工智能与机器人研究,2025,14(6):1544-1550.

DOI:10.12677/airr.2025.146144

杨明

whichmakesthemodelperformmorestablyincomplexpracticalapplications.Second,theCoordi-

nateAttentionattentionmechanismisintroducedintheC2Fmodule.Thismechanismimprovesthe

accuracyofcrackdetectionbymodeling