基于YOLOv8的多场景路面坑洼实时检测算法研究

期刊: 《社会发展与科技创新》 DOI:10.64649/yh.shfzykjcx.issn3078-8994.202605002 全文阅读 返回期刊

马江安；沈亦菲；苏晗；张俊辉；冯剑箫；解祥新*

南通理工学院

摘要

针对智能助盲设备路面环境感知不足的问题，本文提出基于YOLOv8的路面坑洼实时检测方案。模型采用CSPDarknet53主干网络与解耦检测头，通过C2f模块实现多尺度特征融合，使用CIoU损失优化边界框回归，结合二元交叉熵提升分类精度。实验基于自建Pavement‑depression数据集，覆盖多光照与复杂背景场景。结果表明：模型推理帧率61.27 FPS，单张图像处理时间0.0163秒，精确率80.57%、召回率64.22%、mAP50为74.26%。该轻量化模型可部署于嵌入式终端，为智能导盲系统提供可靠视觉预警支撑。

关键词

YOLOv8；目标检测；路面坑洼；实时感知

参考文献

[1]Mittal P. A comprehensive survey of deep learning-based lightweight object detection models for edge devices[J]. Artificial Intelligence Review,2024,57(9).

[2]Zhang D, Sun Y, Pan D. Lightweight Yolov5s Algorithm for On-Board Highway Asset Detection[C]//2025 International Conference on Transportation Infrastructure and Engineering (ICTIE2025). SAE Technical Paper, 2025.

[3]Chen W, Yang J S, Xia C, et al. Road surface damage detection based on enhanced YOLOv8[J]. Computers in Industry, 2025, 173: 104363.

[4]Hussain M. Yolov5, yolov8 and yolov10: The go-to detectors for real-time vision[J]. arXiv preprint arXiv:2407.02988, 2024.


XML显示示例 

    













·