摘要：道路病害的准确检测对于保障交通安全和优化道路维护具有重要意义。然而，现有方法在处理复杂背景、多尺度病害目标以及不规则特征形态时仍存在诸多局限性。为此，提出一种基于DRFENet(Damage-Resistant Feature Enhancement Net)的道路病害检测算法。DRFENet引入全局与局部特征增强注意力机制(Global Local Feature Enhancement Mechanism，GLFEM)，有效聚焦病害区域并抑制背景干扰；设计多层特征聚合模块(Multi-layer Feature Aggregation module，MFA)，增强对多尺度病害特征的建模能力；采用WiseIoU损失函数，优化对不规则病害目标的检测表现。实验在RDD2022和UAVROAD公开数据集上验证了模型的性能，DRFENet在mAP上分别达到87.2%和86.8%，显著优于现有主流方法，同时保持良好的实时性。在嵌入式平台实验中，DRFENet进一步展现了在资源受限环境中的高效性与鲁棒性。该研究为道路病害智能检测提供了新的技术路径，对实际应用具有重要参考价值。
文章目录
0 引 言
1 DRFENet航拍图像道路病害检测算法
1.1 改进YOLOX网络结构
1.2 全局与局部特征增强注意力机制
1.3 多层特征聚合模块
1.4 改进损失函数
2 实验结果与分析
2.1数据集介绍与处理
2.2 实验设置
2.3 评价指标
2.4 不同注意力机制效果对比
2.5 消融实验
2.6 不同算法在RDD2022数据集对比实验
2.7 不同算法在UAVROAD数据集对比实验
2.8 嵌入式实验
3 结 语
