WADW-YOLO:面向航拍的轻量化道路缺陷检测OA
针对无人机航拍道路检测中缺陷尺度差异大、背景干扰强且检测模型复杂度高等问题,本文提出一种基于YOLOv11n的改进检测模型WADW-YOLO。首先,在主干网络中提出C3k2-WC加权卷积模块,通过预定义的中心增强权重矩阵实现卷积核的空间位置加权,在降低模型参数量的同时聚焦缺陷区域特征提取;其次,采用轻量化ADown下采样模块,提升对缺陷细节的保留能力,在主干末端引入DAttention可变形注意力机制,通过自适应调节感受野捕捉全局与局部信息;最后,设计Wise-ShapeIoU损失函数,将Wise-IoU的非单调聚焦机制与ShapeIoU的几何形状约束相结合,提升检测性能。WADW-YOLO在公开数据集China_Drone上的mAP@0.5达到74.6%,相较YOLOv11n提升3.8%,且参数量降低17.8%,计算量减少23.8%,实现了检测精度和模型轻量化的有效平衡。WADW-YOLO在China_MotorBike数据集上的mAP@0.5较YOLOv11n提升了1.8%,展现了WADW-YOLO突出的泛化性能。本文为无人机道路缺陷检测提供了一种高精度、低功耗部署方案的技术参考。
孙瑞;燕芳;李嘉辉;向天明
内蒙古科技大学自动化与电气工程学院,内蒙古包头014010内蒙古科技大学自动化与电气工程学院,内蒙古包头014010内蒙古科技大学自动化与电气工程学院,内蒙古包头014010内蒙古科技大学自动化与电气工程学院,内蒙古包头014010
信息技术与安全科学
无人机道路缺陷YOLOv11nWADW-YOLO轻量化
《液晶与显示》 2026 (6)
P.823-838,16
内蒙古自治区自然科学基金(No.2025MS06002)内蒙古自治区重点研发和成果转化计划(No.2025SYFHH0062)。
评论