首页|期刊导航|液晶与显示|面向复杂道路场景的轻量化路面异物检测算法

面向复杂道路场景的轻量化路面异物检测算法OA

中文摘要

针对车载前视复杂道路场景中部分路面异物成像尺度较小、边缘特征弱及背景干扰强的问题,提出基于YOLO11n的轻量化路面异物检测算法YOLO11-MSDF。设计小波频率解耦下采样(WFD-Down)模块,以高低频解耦保留边缘与纹理细节;构建方向空间感知金字塔快速池化(DSA-SPPF)模块,利用条形池化抑制结构化背景干扰;引入形态自适应C3(MAK-C3)模块,通过自适应采样增强不规则边界特征;设计层级非对称动态融合(HADF)模块,实现浅层细节与深层语义融合。实验结果表明,模型参数量为2.9M、计算量为7.5 GFLOPs,精确率(Precision)、召回率(Recall)和mAP@0.5分别为85.8%、73.9%和83.7%,较YOLO11n算法提高7.1、2.0和4.0个百分点,检测速度为90.5 FPS;外部数据集上3项指标分别提高5.2、1.3和1.9个百分点。合成雾和运动模糊实验表明,模型在多数退化场景下优于基线模型;车辆运行约束分析说明了实际车载应用的主要影响因素。

张传伟;尚召斌;张佳乐;许婧;姚豪

西安科技大学机械工程学院,陕西西安710054 陕西交通职业技术学院,陕西西安710018西安科技大学机械工程学院,陕西西安710054西安科技大学机械工程学院,陕西西安710054西安科技大学机械工程学院,陕西西安710054西安科技大学机械工程学院,陕西西安710054

信息技术与安全科学

深度学习路面异物检测轻量化模型特征融合目标检测

《液晶与显示》 2026 (9)

P.1297-1314,18

国家自然科学基金(No.51974229)中国博士后科学基金(No.2025MD784118)陕西省教育厅专项科研计划(No.25JK0549)。

10.3724/CJLCD.2026-0129

评论