基于轻量化GELAN的多种类管道病害检测
曹建林1, 周 健1, 陈雪元1, 张志刚1, 朱仁民1, 唐 强2, 黄钰程2*
(1. 江苏省地质局第四地质大队, 江苏 苏州 215129; 2. 苏州大学 轨道交通学院, 江苏 苏州 215131)
审稿人推荐语：
城市排水管道作为基础设施的“生命线”，其病害检测效率与精度直接关系到城市运行安全。传统检测方法依赖人工识别，存在耗时费力、错漏检率高的痛点，而现有深度学习模型常面临精度与轻量化难以兼顾的困境。该研究立足工程实际需求，提出了创新性的解决方案，为管道智能检测领域提供了重要技术参考。论文以YOLOv9的GELAN框架为基础，通过优化深度与宽度因子实现结构轻量化，结合DWConv深度卷积进一步精简参数量与计算量，引入DySample上采样模块自适应捕捉病害细节，使模型参数量与计算量较原始GELAN分别减少92.97%和 92.85%。文章技术思路为市政工程智能检测提供了新范式，对推动排水管道维护数字化、高效化发展具有重要实践价值。
审稿人：汪进超，中国科学院武汉岩土力学研究所，副研究员
摘要：
排水管道在城市基础设施中发挥着重要作用，其通常具有较长的使用寿命。但长时间使用不可避免会产生各种病害，进而引发环境、安全问题。因此，定期检测排水管道病害类型和数量，为排水管道维护提供数据支持显得尤为重要。针对现有排水管道病害检测模型检测精度低的问题，基于YOLOv9中提出的GELAN，首先通过减少深度因子和宽度因子对GELAN进行结构轻量化，其参数量和计算量分别减少了92.97%和92.85%;其次，采用深度卷积DWConv替换网络主干中的标准卷积，进一步对结构进行轻量化的同时提升了模型检测精度;最后，引入DySample，其根据输入数据的特征自适应调整卷积核的权重，从而更好地捕捉病害的细节和特征，同时避免了耗时的动态卷积运算和额外子网络。实验结果表明，改进的GELAN模型在7种管道病害检测任务上具有94.5%的平均mAP值，具有较高的工程实践意义。
关键词：多种类管道病害检测;YOLOv9;GELAN;DWConv;DySample;轻量化
结语：
笔者对GELAN模型进行了结构轻量化的研究。通过减少深度因子和宽度因子对GELAN模型结构进行轻量化，并将网络主干中的标准卷积替换为深度卷积DWConv，进一步减少了模型的参数量和计算量。此外，通过引入DySample上采样模块，使得网络更好地捕捉病害的细节和特征。实验结果表明，无论在计算量还是精度方面，改进的GELAN模型的效果都比较好。改进的GELAN模型参数量和计算量比GELAN模型分别减少了92.97%和92.85%，检测平均精度达到了94.5%，可以满足轻便型移动设备的检测要求，具有一定的实用性和应用价值。在未来的研究中，计划进一步增加排水管道样本的数量和类型，以提高模型的准确率，并使其更好地适应实际工程需求。
论文主要图表：
图1 CSPNet、ELAN、GELAN框架对比
图2 改进的GELAN框架
表3 模型对比实验结果
图9 不同模型管道病害检测结果
全文阅读：
链接：(file.bmrb.com.cn/file/upload/2026/03/12/1773300495991.pdf)
引文格式：
曹建林，周健，陈雪元，等，基于轻量化GELAN的多种类管道病害检测[J]. 市政技术，2025，43(2)：117-125.(CAO J L，ZHOU J，CHEN X Y，et al. Detection of various pipeline diseases based on lightweight GELAN [J]. Journal of municipal technology，2025，43(2)：117-125.)
发表期次：
2025年第2期，P117-125