我院碩士研究生李天文在國際學術期刊《Sensors》上發表了題為“Road Defect Identification and Location Method Based on an Improved ML-YOLO Algorithm”的SCI論文，提出了一種利用增強ML-YOLO算法檢測和定位道路缺陷的新方法。

傳統的道路缺陷檢測方法嚴重依賴于人工檢測，往往效率低下，而且難以精确定位缺陷。該文章介紹了一種基于增強ML-YOLO算法的道路缺陷識别與定位新方法。該方法通過優化卷積層和集成空間金字塔池化網絡，對YOLOv8框架進行了改進。此外，它還結合了卷積塊注意（CBAM）來捕獲通道和空間特征，以及選擇性核網絡（SKN）來自适應地提取道路缺陷不同尺度的特征。并基于DEM數據設計了道路缺陷的精确定位算法。在實時道路監控中，該方法可以精确地檢測和定位缺陷，輔助道路維護和道路風險預警。

論文鍊接：https://doi.org/10.3390/s24216783

圖1 論文中道路缺陷識别與定位結果

圖2 論文中道路缺陷識别結果定位方法

圖3 論文首頁