首页|期刊导航|物联网技术|基于双模型协同的道路路面病害检测方法研究

基于双模型协同的道路路面病害检测方法研究OA

中文摘要

针对道路路面病害检测场景中目标尺度差异大、复杂环境干扰因素多导致的漏检率与准确率之间难以平衡的痛点,提出了一种基于YOLO11n检测框架与多模态大模型(MLLM)协同工作的道路病害识别系统.利用少量无人机航拍图像快速构建数据集,以降低工程应用中的数据标注成本;基于数据增强策略训练YOLO11n模型,在Crack468验证集上获得mAP@0.5=0.904的最佳结果,经固定种子复现与5折分层交叉验证后,均值稳定在0.87附近,表明结果具有可重复性;进一步在独立航拍测试集Test70上测得mAP@0.5=0.486,反映出小样本训练场景下模型的跨场景泛化能力有所下降.为缓解误检问题,系统中引入Qwen2.5-VL多模态大模型,对低置信度目标进行复核.实验结果表明,在Test70测试集上多模态复核机制可有效降低阴影、遮挡等复杂场景下的误检率,误检率(1-P)由40.93%降低到36.07%,相对降幅约为11.9%.

祝福;孙文瑞;朱立伟;陈玲琳

浙江杉工智能科技有限公司,浙江 宁波 315000浙江杉工智能科技有限公司,浙江 宁波 315000浙江杉工智能科技有限公司,浙江 宁波 315000浙江杉工智能科技有限公司,浙江 宁波 315000

信息技术与安全科学

YOLO11多模态大模型模型协同小样本学习无人机巡检路面病害检测

《物联网技术》 2026 (19)

33-38,44,7

宁波市"科创甬江2035"重点研发计划项目(2025Z040)

10.16667/j.issn.2095-1302.2026.19.007

评论