计算机应用

作者：桂佳扬, 王顺吉, 周正康, 唐加山

单位：1.南京邮电大学 理学院，南京 210023；2.南京城建隧桥智慧管理有限公司，南京 211800

关键词：目标检测,异物检测,YOLOv8n,坐标注意力机制,高分辨率网络,WIoU损失函数

基金：南京邮电大学横向科研项目（2023外221）

针对当前隧道内异物检测存在人工巡检成本高、效率低等问题，提出一种基于改进YOLOv8n的隧道内异物检测算法。首先，提出融入坐标注意力（CA）机制的C2f_CA模块，通过将位置信息嵌入通道注意力，增强网络对图像在空间上的特征分布的关注，从而增强网络的特征提取能力；其次，借鉴高分辨率网络的思想，提出新的特征融合模块HRNet_Fusion（High Resolution Net）将提取的不同分辨率特征图作为4个并行分支输入网络，并经过多次上、下采样和融合操作得到全面且准确的特征信息，从而显著提升在小目标检测和特征信息融合方面的性能；最后，引入WIoU（Wise-IoU）损失函数降低低质量样本对网络的不良梯度影响，进一步提高模型的检测精度。实验结果表明，在隧道异物数据集上，改进算法的平均精度均值（mAP@0.5）为79.9%，模型大小为6.0 MB，与YOLOv8n算法相比，mAP@0.5提升了6个百分点，模型大小减少了0.2 MB，模型参数量减少了0.379×106。

来源：2025年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第2期