3月8日，《土木工程学报》收到来自中国知网统计的网络首发数据。自2018年以来，《土木工程学报》在中国知网线上首发篇数114篇，刊印首发篇数359篇，合计首发篇数473篇。首发期间，《土木工程学报》文章总下载量近13万次，单篇最高下载量2127次，篇均下载量266.9次，篇均提前天数142.5天，单篇最高提前天数461天（数据截至2024年2月28日）。

网络首发是指先将论文优先网络出版，之后将论文全部或其根文本在期刊印刷版出版的出版方式。网络首发能缩短论文由于纸质版出版的周期长，以加速学术交流，提升办刊质量和学术影响力、促进数字出版转型。《土木工程学报》网络首发数据体现出学报始终坚持高质量发展，推动数字创新，持续提高影响力的办刊理念。

网络首发传播报表

网络首发总篇数

提前纸刊出版时间

网络首发期间下载量

在《土木工程学报》网络首发数据中，《基于改进YOLOv5的路面病害检测模型》成为首发期间单篇最高下载量的文章，网络首发时间为2023年2月7日，首发期间下载量2127次。文章收录于2024年2月正刊（已刊出），DOI：10.15951/j.tmgcxb.22101073。

基于改进YOLOv5的路面病害检测模型

何铁军 李华恩

东南大学智能运输系统研究中心

摘要：为进一步提高路面病害检测精度，文章在YOLOv5的基础上，提出针对路面病害特征改进的检测模型Pavement Damage-YOLO (PD-YOLO)。PD-YOLO在网络结构中引入Space-to-depth层，以适应低分辨率和路面病害目标小的检测任务。此外，模型在池化层利用SPPFCSPC，在特征提取时获取不同的感受野，有效解决路面病害检测图像中目标大小差异较大的情况；在特征融合层引入ASFF模块使模型自适应学习不同特征间的联系，加强模型对病害目标区域的关注度。在对多组测试数据集测试中，与YOLOv5相比，PD-YOLO模型同时提高了检测结果的准确率、召回率、F1值以及mAP@0.5值，证明了PD-YOLO有着更强的特征提取能力和特征融合能力，在路面病害的检测上有更优越的表现。

关键词：PD-YOLO；路面病害；目标检测；深度学习；SPD模块

（以上数据均来源于中国知网）