基于无人机航拍图像的堤坝表面缺陷检测方法，该方法采用了改进版的YOLOv8与SAHI算法的集成框架

《Scientific Reports》：UAV aerial image-based apparent defect detection method for embankments using an integrated framework of improved YOLOv8 and SAHI

　　

摘要

为了解决在大规模堤坝中检测明显结构缺陷（如裂缝）所面临的挑战，本文提出了一种基于无人机（UAV）航拍图像的明显缺陷检测方法，该方法结合了无人机摄影和计算机视觉技术。首先，利用循环一致性对抗网络（CycleGAN）通过数据增强技术在有限的航拍图像下生成不同光照条件下的虚拟明显缺陷图像，从而构建了一个明显结构缺陷的图像样本数据集。随后，通过引入卷积块注意力模块（CBAM）来提升You Only Look Once版本8（YOLOv8）网络的特征提取能力，并采用Scylla-Intersection over Union（SIoU）作为定位损失函数，进一步提高了训练效率和检测精度。由此，构建了一个改进的基于YOLOv8的智能检测模型，用于识别堤坝中的明显缺陷。此外，在改进的YOLOv8网络中加入了Slice-aided Hyper Inference（SAHI）模块，以增强从远距离高分辨率无人机图像中进行小目标检测的能力。最终，提出了一个将改进的YOLOv8与SAHI相结合的集成框架，用于堤坝的明显缺陷检测。工程实例表明，与YOLOv8网络相比，改进后的YOLOv8网络具有更高的检测精度和更低的漏检率。同时，通过虚拟图像增强图像样本数据集有助于提升模型的训练效果，而SAHI模块的应用显著提升了智能检测模型的推理性能。该方法为堤坝工程的安全管理和危险检测提供了一种高精度的智能缺陷检测方案。