公司硕士研究生李天文在国际学术期刊《Sensors》上发表了题为“Road Defect Identification and Location Method Based on an Improved ML-YOLO Algorithm”的SCI论文，提出了一种利用增强ML-YOLO算法检测和定位道路缺陷的新方法。

传统的道路缺陷检测方法严重依赖于人工检测，往往效率低下，而且难以精确定位缺陷。该文章介绍了一种基于增强ML-YOLO算法的道路缺陷识别与定位新方法。该方法通过优化卷积层和集成空间金字塔池化网络，对YOLOv8框架进行了改进。此外，它还结合了卷积块注意（CBAM）来捕获通道和空间特征，以及选择性核网络（SKN）来自适应地提取道路缺陷不同尺度的特征。并基于DEM数据设计了道路缺陷的精确定位算法。在实时道路监控中，该方法可以精确地检测和定位缺陷，辅助道路维护和道路风险预警。

论文链接：https://doi.org/10.3390/s24216783

图1 论文中道路缺陷识别与定位结果

图2 论文中道路缺陷识别结果定位方法

图3 论文首页