沈峥,陈维,王斐,赵章焰

• 1:宁波市特种设备检验研究院
• 2:武汉理工大学交通与物流工程学院

摘要(Abstract)：

在特种设备操作考试中，为提升评判的客观性与监考的智能化水平，无人化监考系统正逐步应用于叉车实操场景。针对该类系统对车轮位置与车道线精确识别的需求，提出一种融合目标检测与语义分割的视觉识别方法，通过分阶段处理策略，结合目标检测快速定位能力和语义分割精细识别优势，实现车轮位置与车道线的高精度识别。该方法采用YOLOv8n模型实现叉车位置的快速检测，以保障系统实时响应能力。同时引入优化的DeepLabv3+模型进行车道线分割，其主干网络采用MobileNetv3模块，减少模型参数量与计算开销，并引入卷积块注意力模块(CBAM)以增强对关键区域的感知能力。在分割头中融合空洞非对称卷积块-空洞空间金字塔池化(AACB-ASPP)与多级特征融合模块(MFFM),提升对多尺度目标与细节的表达能力。实验结果表明，该方法在验证集上达到84.29%的平均交并比(mIoU)和90.45%的平均像素准确率(mPA),较基线模型分别提升2.09%和3.10%。所提方法具备部署灵活、维护简便的优势，可为叉车考试中的无人化智能监考系统提供高效、可靠的视觉识别支持，具有广泛应用潜力。

关键词(KeyWords)： 车轮与车道线识别;YOLOv8n;改进DeepLabv3+

Abstract:

Keywords:

基金项目(Foundation): 湖北省重点研发计划(2024BAB008)

作者(Author): 沈峥,陈维,王斐,赵章焰

DOI: 10.13952/j.cnki.jofmdr.2026.0132

参考文献(References)：

• [1]宋百玲,李星禹,刘伟,等.基于注意力机制与动态蛇形卷积的车道线分割算法[J].山东科学,2025,38(1):129-140.
• [2]李沐原,张兰春,张博源.基于多尺度空洞融合注意力的车道线检测算法[J].电子测量技术,2025(1):1-11.
• [3]钟昊廷.基于曲线模型的车道线检测算法研究[D].长春:吉林大学,2024.
• [4]秦文清,赵尔敦,王永强.基于局部消失点的车道线检测方法研究[J].计算机工程与应用,2025(1):1-15.
• [5]郭文静.融合图像超分辨率的车道线检测算法研究与应用[D].江苏无锡:江南大学,2024.
• [6]胡佩蓉.结合时序信息的车道线检测方法研究[D].西安:长安大学,2024.
• [7]贾江珊,耿冰倩,王一涵,等.应用卷积神经网络的车道线检测系统[J].福建电脑,2024,40(11):100-103.
• [8]张笑凡,方田,石海军,等.基于Mobile Net V2-SSD的烧结台车车轮检测[J].冶金自动化,2023,47(5):37-45.
• [9]胡成放.基于双目相机的列车车轮型面与多边形磨损检测方法研究[D].成都:西南交通大学,2023.
• [10]周睿璇,汪俊霖,孙宏,等.一种改进YOLO v3的货车车轮检测算法[J].山西电子技术,2021(4):37-40.
• [11]何天豪,段旭洋,王皓.基于深度学习的大空间多视角物料追踪系统[J].机械设计与研究,2022,38(2):48-55.
• [12]李珈慧,姬长英,胡鹏昱,等.基于YOLOX-MSBP机器视觉技术的生菜品质预测[J].机械设计与研究,2024,40(5):211-215.
• [13]HOWARD A,SANDLER M,CHU G,et al.Searching for MobileNet V3[C]∥IEEE International Conference on Computer Vision.IEEE,2019:1314-1324.
• [14]WOO S,PARK J,LEE J,et al.CBAM:Convolutional block attention module[C]∥Proceedings of the European Conference on Computer Vision (ECCV).Springer,2018:3-19.