YOLO-ERCD：用于高效路面裂缝检测的增强型 YOLO 框架

我们很高兴与您分享，最新发表的期刊论文《YOLO-ERCD: An Upgraded YOLO Framework for Efficient Road Crack Detection》已获学术期刊《Sensors》(MDPI) 正式刊登：

Xiao Li, Ying Chu, Thorsten Chan, Wai Lun Lo, and Hong Fu, “YOLO-ERCD: An Upgraded YOLO Framework for Efficient Road Crack Detection,” Sensors, vol. 26, no. 2, 564, 2026.

论文摘要

在智能交通与基建控制系统中，如何通过视觉传感技术实现高效、可靠的路面破损检测，始终是一大挑战。现有的检测模型往往面临“三难”局面：细微裂缝易漏检、光线变化适应差、以及在复杂背景下频发误报。

针对这些痛点，本研究利用车载与交通监控摄像头采集的真实数据，提出了一种增强型 YOLO 框架——YOLO-ERCD。该架构专为解决 YOLOv10 在特征表现与抗干扰上的局限而设计，整合了三大核心技术：

残差卷积块注意力模块 (R-CBAM)：通过残差连接保留原始信息，同时大幅强化空间与通道的特征识别能力。
通道自适应伽马校正模块 (CAGC)：这项技术模拟了人类视觉系统对光强度的非线性反应，能自适应地增强亮度细节，确保模型在各种光照条件下都能“看”得清楚。
视觉焦点噪声调制模块 (VFNM)：通过选择性引入噪声来抑制背景干扰，从而突显出路面破损的关键特征。
实验结果显示，YOLO-ERCD 无论在准确度还是计算效率上，均优于近期的路面检测模型。其轻量化的设计更支持在边缘传感与控制设备上进行实时部署。这项研究展现了 AI 视觉传感与智能控制深度结合的潜力，为构建更具感知力、更稳健的道路监控系统提供了强有力的技术支撑。

研究团队成员

香港珠海学院