隧道管片裂缝图像识别技术

文章作者：赵毅、姚博、张灵波 期刊页码：2025年09期14页

浏览次数：39次

【摘要】研究探讨了YOLOv8 模型在地铁隧道裂缝检测中的应用潜力。通过结合基于ResNet 的深度学习去噪技术，显著提高了数据集质量。在目标检测方面，与YOLOv5 及YOLOv7 模型进行对比，实验结果显示，YOLOv8 在裂缝检测方面表现出较高的准确性和效率，其平均精度、召回率和F1 分数均超过YOLOv5 和YOLOv7 模型。YOLOv8 的推理速度达到59 帧/s，满足实时检测需求。在语义分割任务中，YOLOv8 也取得了较好的效果，裂缝检测的像素精度为86.69%，Dice 系数为0.724，显示出模型良好的泛化能力和适应性。
【关键词】YOLOv8 模型；隧道衬砌裂缝；病害检测