面向复杂水环境的轻量化多尺度漂浮物检测OA

针对复杂水环境中漂浮物检测易出现误检、漏检及多尺度感知不足的问题,提出一种基于YOLOv8n的轻量化高效检测方法。在主干网络及颈部深层设计融合重参数化卷积(RepConv)的多尺度自适应上下文聚合模块MAC-ELAN(Multi-scale Adaptive Context Enhanced Layer Aggregation Network),通过跨层特征融合与上下文增强提升复杂背景下的特征判别能力,并利用结构重参数化兼顾检测精度与计算效率;同时,引入P2与P6检测头增强模型对极小与大尺度目标的感知能力。在颈部浅层设计轻量化特征融合模块C2f-FA,通过部分卷积(PConv)与EMA注意力机制重构C2f结构,并结合Wise-IoUv3损失提升目标定位精度。实验结果表明,在自建数据集上,改进模型仅增加1.13 M参数,使mAP@50与mAP@50:95分别提升4.2%和3.9%。在Flow-Img与IWHR-Floater_V1数据集上的跨域实验进一步验证了该方法在复杂水面场景中的有效性,在保持较低计算复杂度的同时实现了检测精度与模型轻量化之间的良好平衡。