计算机应用

作者：尹学辉, 傅林琳, 周尚波

单位：1.重庆邮电大学 软件工程学院，重庆 400065；2.重庆大学 计算机学院，重庆 401331

关键词：UNet++,裂缝检测,非对称卷积,多尺度特征融合,注意力机制

基金：国家自然科学基金资助项目(62176034)

为保障道路质量与安全，自动化裂缝检测在混凝土路面维护中至关重要。针对现有的基于深度学习的裂缝检测方法因过度下采样导致裂缝像素信息丢失的问题，提出一种基于渐进式上下文交互和注意力机制的混凝土裂缝检测网络。首先，以优化后的UNet++为主干，采用非对称卷积块增强特征提取能力；其次，引入渐进式上下文交互机制（PCIM）以高效地捕捉与融合相邻特征图的多尺度特征；再次，在特征增强阶段，用注意力组合（AC）方式提高特征表达能力；最后，在特征融合阶段，使用多语义注意力动态融合模块（MADFM）增强细节恢复和保留效果。在3个公开数据集上的测试结果表明，相较于DeepCrack、CrackFormer、PAF-Net（Progressive and Adaptive Feature Fusion Network），所提网络的性能更优。在DeepCrack测试集上，所提网络的F-score分别提高了1.33、5.07和3.93个百分点；在Crack500测试集上，分别提升了3.04、4.35和0.82个百分点；在CFD测试集上，分别提升了3.03、6.00和4.73个百分点。这些结果充分验证了所提网络在裂缝检测准确性方面实现了提升，同时在不同测试集上均展现出了出色的鲁棒性能。

来源：2025年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第10期