基于改进YOLOV8算法的隧道衬砌裂缝检测
袁晔1,2
（1. 极端环境岩土和隧道工程智能建养全国重点实验室，西安 710043； 2. 中铁第一勘察设计院集团有限公司，西安 710043）
摘要：衬砌结构裂缝是隧道工程最为常见的表观病害之一，严重影响结构耐久性并危及隧道运营安全，传统裂缝检测漏检/误检率高，为进一步提高低光照高噪点的复杂运营环境下隧道衬砌裂缝检测精度并实现实时检测，提出了改进YOLOV8的隧道衬砌裂缝检测模型DRI-YOLO。针对模型特征提取主干网络，基于扩张残差卷积（DWR）设计了C2f-DWR模块实现主干网络对复杂裂缝细节边缘特征的准确感知；在模型检测头部分，考虑衬砌结构裂缝尺度变幅较大，基于感受野注意力（RFA）设计了衬砌裂缝检测头RFAHead，进一步增强了对不同尺度裂缝的捕捉能力；最后，引入Inner-CIOU损失函数，改善边界框回归损失，提高模型对不均匀分布及不同尺度裂缝目标的检测性能。在自建隧道裂缝数据集上，DRI-YOLO的精确率P、mAP50、mAP50-95分别达到85.8%、83.1%和63.1%，较YOLOv8n提升5.7、4.7和4.0个百分点，实验条件下推理速度达103.8FPS，满足复杂运营环境下隧道衬砌裂缝实时检测需求，可以为我国运营铁路隧道衬砌结构智能检测提供有益参考。
关键词：隧道衬砌；裂缝检测; 扩张残差卷积; 感受野注意力机制; 损失函数; YOLOV8
中图分类号: U25;U457 文献标识码: A DOI: 10.13238/j.issn.1004-2954.202510290001