基于改进RT-DETR的井盖病害轻量化检测算法OA

针对井盖病害检测任务中检测精度和轻量化难以平衡的问题,提出一种基于改进RT-DETR-R18的井盖病害检测算法。设计一种改进的主干网络,结合内容感知混合器(content-aware mixer,CAMixer)模块和CSP架构,提升网络的特征提取能力,并有效减少模型的计算量。提出DTAB(dilated transformer attention block)模块,通过分组通道自注意力(grouped channel self-attention,G-CSA)避免多尺度下的信息泄露,通过掩码窗口自注意力(masked window self-attention,M-WSA)增强细节特征的提取能力。采用改进的RetBlockC3模块,引入Manhattan自注意力机制,进一步提升模型对局部细节和小目标的捕捉能力。提出一种改进的下采样模块PSConv(pinwheel-shaped convolution),通过多方向卷积核设计和尺度自适应机制,扩大感受野并增强细节区域的检测能力。实验结果表明,与原始RT-DETR-R18模型相比,改进后的RT-DETR在井盖病害数据集上mAP@0.5从86.2%提高到92.0%,计算量从58.6 GFLOPs降到45.1 GFLOPs。在公开数据集RDD2022和NWPU VHR-10上,所提模型相比原始模型在mAP@0.5上分别提高4.7和1.0个百分点。所提算法在保持高精度的基础上,实现轻量化设计,满足井盖病害检测对效率和性能的实际需求。