摘要：针对城市排水管道缺陷自动化检测准确率低、目标定位不准确的问题,提出一种改进YOLOv8的排水管道缺陷检测模型;该模型在基线模型中引入感受野注意力卷积,并构建了C2F_RFAConv模块,通过空间感受野与卷积交互自适应学习的方式,增强模型对缺陷特征的提取能力;同时,提出一种混合注意力高低阶特征融合网络,将Backbone和Neck输出的3种不同尺度的低阶特征和高阶特征进行有效融合,增强模型学习图像全局上下文信息的能力;此外,对影响边界框回归的重叠情况、中心点距离、宽高偏差等因素进行了综合分析,设计Inner-MPDIoU损失函数,使模型适应不同尺寸的缺陷检测任务,提高缺陷目标边界框的定位准确率;经过实验验证发现,改进后的模型取得了93.9%的平均检测准确率,较改进之前提升3.7%,漏检率和误检率仅为9.1%和17.6%,较改进之前分别降低3.2%和2.7%。