基于改进YOLOv8s算法的路基病害智能检测方法

闫江鹏

(中铁十八局集团第三工程有限公司，河北 涿州 072750)

摘　要：　传统路基病害识别方法多依赖人工检测，普遍存在检测效率低、对不同尺度病害特征表征不足、识别精度与鲁棒性欠佳等问题，难以满足实际道路检测的高效性与准确性需求。该研究提出了一种基于改进YOLOv8s的路基病害快速识别算法和配套的可视化应用方案。首先，在YOLOv8s模型的基础上引入残差注意力机制(ResBlock_CBAM)，提高了模型对关键特征的提取能力;其次，引入具备高效特性的多尺度特征融合网络(BiFPN)，其能够更优质地整合不同尺度特征，从而有效提升模型对多尺度目标的检测性能。对比实验结果显示，改进模型对脱空、疏松、富水三类路基病害的识别平均精度相较于基础模型分别提升了4.5%、8.2%和8.7%，三类病害整体平均精度提升7.2%，达到0.814;改进模型在识别精度与性能稳定性方面更具优势，检测效果显著优于基础模型，充分验证了改进策略的有效性。将该识别方法应用于实际道路检测场景，成功实现了路基病害的快速识别与精准定位，为道路养护工作的高效开展提供了可靠的技术保障。

关键词：　路基病害; 改进YOLOv8s算法; 智能检测; 深度学习

引文格式： 闫江鹏. 基于改进YOLOv8s算法的路基病害智能检测方法[J]. 市政技术，2026，44(3)：58-68. (YAN J P. Intelligent detection method for subgrade defects based on the improved YOLOv8s algorithm[J]. Journal of municipal technology，2026，44(3)：58-68.)