基于改进YOLOv8的基坑工程结构性裂缝智能检测与病害分级诊断方法

Journal: Engineering and Management Science DOI: 10.32629/ems.v8i9.22126

郑仁耀

中化明达（福建）地质勘测有限公司

Abstract

在基坑工程结构性裂缝检测里，存在人工依赖程度高、细粒度特征提取不够的问题。为此提出一种基于改进YOLOv8的智能检测与分级诊断办法。主干网络加入可变形卷积来增强几何适应能力，颈部嵌入全局注意力机制提高低对比度裂缝的敏感度，检测头添加分级子头达成检测分级一体化输出。依据宽度、长度、连通性建立三级病害量化准则。实验显示，改进模型平均精度为91.3%，分级准确率是87.6%，证实了该方法的有效性和鲁棒性。

Keywords

基坑工程；结构性裂缝；YOLOv8；可变形卷积；注意力机制；病害分级

References

[1] 彭建忠,李琛琛,刘李彦,等. 基于YOLOv8的道路路面裂缝智能检测[J].公路与汽运,2024,40(5):89-94+163.
[2] 楚芳芳. 建筑裂缝智能检测技术取得新突破助力严控房屋安全隐患——基于改进YOLOv8算法的建筑表面裂缝智能检测方法[J].建筑,2026,(7):34-35.
[3] 张泽宁. 基于改进YOLOv8的轨道扣件状态检测方法[J].信息与电脑,2026,38(13):1-3.
[4] 陈仁朋,吴怀娜,程雪松,等. 基坑工程与地下工程——安全韧性、绿色低碳、高效智能新技术[J].土木工程学报,2026,59(7):94-118.
[5] 贾坐成,廖梓颖. 水工隧洞裂缝分级诊断与化学灌浆修复技术分析[J].工程技术研究,2025,10(21):97-99. 链接：https://m.zjtcn.com/baike/jiegouxingliefeng7020387#1

Copyright © 2026 郑仁耀

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License