1. 路面裂缝检测为什么值得单独做一个系统路面裂缝检测这件事乍一看像是土木工程的活儿跟写代码的关系不大。但真正做过道路巡检的人都知道人工拿着手电筒一条路一条路地看效率低不说漏检率还高得离谱。一条几十公里的公路两三个巡检员开车走走停停一天下来能覆盖的路段非常有限而且人眼在长时间重复识别同一类目标时注意力衰减是不可避免的。裂缝这种东西宽度从零点几毫米到几厘米不等有些在强光下几乎看不见有些被灰尘和积水遮盖靠肉眼判断主观性太强。我之所以选择用 YOLOv8 来做这件事是因为目标检测这个技术路线在裂缝识别场景里天然合适。裂缝在图像上的表现就是细长的线状目标跟通用目标检测里的行人、车辆在形态上有很大差异但 YOLO 系列的单阶段检测架构对这类小目标、细长目标的捕捉能力在 v8 版本里有了明显提升。尤其是 v8 引入的 C2f 模块和 Anchor-Free 检测头对小尺度特征的保留比前几代好了不少这对裂缝这种宽度可能只占几个像素的目标来说是实打实的利好。这个系统能做什么简单说你给它一张路面照片或者一段巡检视频它能自动框出裂缝的位置给出置信度并且按照裂缝的严重程度做分级统计。输出的结果可以直接对接养护决策——哪些路段需要立即修补哪些可以观察一段时间。适合谁来参考我觉得三类人比较合适一是做道路养护信息化的开发者想找一个能落地的视觉检测方案二是学深度学习的学生想拿一个完整的、有实际意义的项目练手三是做工程检测的技术人员想了解 AI 在这块到底能做到什么程度。中英文双版这个设计一开始是为了适配不同地区的使用习惯。后来发现双语切换在实际部署时确实有用——有些项目现场的操作人员更习惯中文界面而技术文档和报告可能需要英文输出。所以这个双版不是噱头是真实需求驱动的。2. 整体方案设计与技术选型拆解2.1 为什么选 YOLOv8 而不是其他检测框架目标检测这块可选的方案其实不少。两阶段的 Faster R-CNN 系列精度高但推理速度慢对路面巡检这种需要处理大量图像甚至视频流的场景来说帧率跟不上就很尴尬。YOLOv5 虽然成熟但 v8 在架构上做了几个关键改进让我最终倾向了 v8。第一个改进是 C2f 模块替代了 C3 模块。C2f 里用了更多的跳层连接和 split 操作梯度流动更充分对小目标的特征提取更友好。裂缝在图像里往往只占几十个像素甚至更少特征金字塔浅层的细节信息能不能保住直接决定了检测效果。我实测下来同样的数据集v8n 比 v5n 在裂缝这类细长目标上的召回率高了大概 4 到 6 个百分点。第二个改进是 Anchor-Free 检测头。裂缝的宽高比非常极端可能达到 1:50 甚至更夸张。传统的 Anchor-Based 方法需要预设一堆不同尺度的锚框要覆盖这种极端比例锚框的设计就很头疼。Anchor-Free 直接预测中心点和宽高省去了锚框匹配的麻烦对裂缝这种形态变化大的目标适应性更好。第三个考虑是生态。YOLOv8 背后的框架提供了从训练、验证到导出部署的完整工具链ONNX、TensorRT、OpenVINO 这些格式的导出都是一行命令的事。这对后面要做边缘端部署来说省了太多事。2.2 数据集构建的核心考量裂缝检测的数据集公开的可选项不多。比较知名的是某高校实验室发布的裂缝数据集大概有几千张标注好的路面图像涵盖了几种不同的路面材质和光照条件。但直接用这个数据集有个问题它的拍摄场景比较单一大多是近距离、正面拍摄的路面局部而实际巡检时摄像头是装在车上的视角、距离、运动模糊都跟数据集里的图像有差异。我的做法是以公开数据集为基础再补充一批自己采集的图像。采集的时候模拟实际巡检场景把相机固定在车前挡风玻璃后方以正常行驶速度拍摄这样得到的图像就带有真实的运动模糊和透视变形。补充的数据大概占总量三分之一左右标注用的是 LabelImg标注类别就设一个——裂缝。有些方案会把裂缝分成横向、纵向、网状几类我觉得在检测阶段没必要分那么细先统一标成裂缝后续再做分类或者严重程度评估更灵活。标注的时候有个细节要注意裂缝的边界有时候很模糊尤其是细微裂缝像素级别的边界很难界定。我的经验是标注框稍微比肉眼看到的裂缝宽一点点给模型一点容错空间。如果标得太紧模型学到的特征太苛刻反而容易漏检。这个度怎么把握大概就是框的边缘距离裂缝实际边缘留出两三个像素的余量。2.3 中英文双版的实现思路双版这个事技术上不复杂但设计上要想清楚。我的方案是把界面文本和输出报告的文字内容都抽成语言包用一个简单的字典结构管理。中文版和英文版共用同一套检测逻辑和模型权重只是在展示层做切换。具体实现上前端用了一个轻量的配置对象键是语言代码值是对应的文本映射。切换语言的时候遍历界面上所有带>pip install torch torchvision --index-url https://download.pytorch.org/whl/cu118 pip install ultralytics pip install opencv-python4.8.0.74 pip install numpy pandas matplotlib数据集的组织结构要按 YOLO 的格式来。根目录下建 images 和 labels 两个文件夹里面再分 train、val、test 三个子文件夹。images 里放 jpg 或 png 图像labels 里放同名的 txt 标注文件每行格式是class_id x_center y_center width height坐标都是归一化到 0 到 1 之间的。4.2 训练脚本的编写与启动训练脚本我写了一个比较通用的版本把关键参数都抽成了命令行参数方便调参。from ultralytics import YOLO model YOLO(yolov8n.pt) results model.train( datacrack_dataset.yaml, epochs100, imgsz640, batch16, lr00.01, lrf0.0001, warmup_epochs10, mosaic0.5, mixup0.1, degrees10.0, brightness0.2, projectcrack_detection, nameexp_v1, device0, workers4, patience20 )这里有几个参数值得展开说。patience20是早停机制如果 20 个 epoch 验证集指标没有提升就自动停止训练避免过拟合。workers4是数据加载的进程数根据 CPU 核心数调整设太小了数据加载会成为瓶颈设太大了反而会拖慢训练。启动训练之后控制台会实时打印每个 epoch 的损失和指标。我一般会盯着 mAP50 这个指标看裂缝检测场景下mAP50 能到 0.85 以上就算不错了。如果训练过程中 loss 震荡得厉害可能是学习率太高可以降到 0.005 再试。4.3 推理与结果可视化训练完之后用 best.pt 做推理。推理脚本支持单张图像、整个文件夹、视频流三种输入模式。from ultralytics import YOLO import cv2 model YOLO(crack_detection/exp_v1/weights/best.pt) results model.predict( sourcetest_images/, conf0.25, iou0.45, imgsz640, saveTrue, save_txtTrue, projectinference_output, nametest_run )saveTrue会把画了框的图像保存下来save_txtTrue会把检测框的坐标保存成 txt 文件方便后续做统计分析。可视化的时候我自定义了框的颜色和线宽裂缝用红色框线宽设成 2这样在图像上比较醒目。对于视频输入推理的时候会逐帧处理处理完再合成视频输出。这里有个性能优化的点如果视频帧率很高可以跳帧处理比如每两帧处理一帧中间帧用上一帧的结果这样能大幅提升处理速度对巡检视频来说精度损失可以接受。4.4 中英文切换的具体实现语言切换的核心逻辑就是一个字典查表。我把所有界面文本和报告模板都放在一个 JSON 文件里结构大概是这样的{ zh: { title: 路面裂缝检测系统, start_btn: 开始检测, result_label: 检测结果, crack_count: 裂缝数量, severity_high: 严重, severity_medium: 中等, severity_low: 轻微 }, en: { title: Pavement Crack Detection System, start_btn: Start Detection, result_label: Detection Results, crack_count: Crack Count, severity_high: Severe, severity_medium: Moderate, severity_low: Minor } }界面上每个需要翻译的元素加一个>
