计算机工程与应用

作者：夏嘉雨, 韩庆邦, 葛考

单位：1.河海大学 信息科学与工程学院，江苏 常州 213200；2.河海大学 人工智能与自动化学院，江苏 常州 213200；

关键词：下水道缺陷检测,声呐,YOLO,多尺度融合

基金：国家自然科学基金（12174085）；江苏省常州市重点研发项目（CE20235054）。

为了在水下环境中实现对下水道缺陷的有效检测，研究提出了一种集成声呐图像采集与深度学习算法的下水道缺陷检测方法。采用遥控潜水器（remote operated vehicle，ROV）搭载多波束声呐对下水道进行声呐图像的采集并制作数据集；进一步，提出了一种基于YOLO（you only look once）的多尺度特征融合框架（MSF-YOLO）。为了提升模型检测准确度，提出了CSP_MSF模块，采用部分卷积与多尺度融合技术提升模型的特征表达能力。针对传统自注意力机制在计算复杂度上的瓶颈问题，研究提出了C2TSSA模块。针对该研究制作的下水管道缺陷数据集中含有低质量示例的问题，引入Wise-IoU的损失函数。相比于基线模型YOLOv11m，该模型的参数量减少了0.64×106，FLOPs减少了1.1×109，FPS增加了26.6，mAP50和mAP50-95分别提升了1.5和1.2个百分点。

来源：2026年第5期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第5期