计算机工程与应用

作者：孟志永, 吴晨曦, 王鹏, 张明, 张秀清, 杨云飞, 张龙龙

单位：1.河北科技大学 信息科学与工程学院，石家庄 050018；2.中国人民武装警察部队 参谋部作战勤务保障大队；

关键词：RT-DETR-R18,井盖病害,轻量化模型,注意力机制

基金：国家自然科学基金（62105093）；河北省高等学校科学研究项目（CXZX2025046）；石家庄市科技计划项目（241130291A）。

针对井盖病害检测任务中检测精度和轻量化难以平衡的问题，提出一种基于改进RT-DETR-R18的井盖病害检测算法。设计一种改进的主干网络，结合内容感知混合器（content-aware mixer，CAMixer）模块和CSP架构，提升网络的特征提取能力，并有效减少模型的计算量。提出DTAB（dilated transformer attention block）模块，通过分组通道自注意力（grouped channel self-attention，G-CSA）避免多尺度下的信息泄露，通过掩码窗口自注意力（masked window self-attention，M-WSA）增强细节特征的提取能力。采用改进的RetBlockC3模块，引入Manhattan自注意力机制，进一步提升模型对局部细节和小目标的捕捉能力。提出一种改进的下采样模块PSConv（pinwheel-shaped convolution），通过多方向卷积核设计和尺度自适应机制，扩大感受野并增强细节区域的检测能力。实验结果表明，与原始RT-DETR-R18模型相比，改进后的RT-DETR在井盖病害数据集上mAP@0.5从86.2%提高到92.0%，计算量从58.6?GFLOPs降到45.1?GFLOPs。在公开数据集RDD2022和NWPU VHR-10上，所提模型相比原始模型在mAP@0.5上分别提高4.7和1.0个百分点。所提算法在保持高精度的基础上，实现轻量化设计，满足井盖病害检测对效率和性能的实际需求。

来源：2026年第4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4期