霧天時の路面欠陥検出の精度が低く、モデルのパラメータ数が多い問題に対し、改良したYOLO11nを用いた霧天路面欠陥の軽量化検出手法を提案し、霧環境下の検出精度向上と軽量展開を目的とする。まず、バックボーンネットワークに前端除霧ネットワーク（Dehaze-Network、DH-Net）を構築し、チャネル正規化と層間統計量伝達機構により除霧画像の構造的一貫性を保持し、検出タスク指向の共同最適化を実現して霧の検出影響を軽減する。次に、従来の畳み込みダウンサンプリングに代わり適応的ダウンサンプリングモジュール（ADown）を採用し、パラメータ数を削減しつつ重要な空間特徴を保持し、欠陥の詳細抽出能力を強化する。続いて、高効率な多分岐補助特徴ピラミッドネットワークを設計し、動的畳み込みカーネル適応と加重双方向特徴ピラミッド融合により霧天のぼやけた対象のクロススケール表現能力を向上させ、霧の検出影響をさらに削減する。最後に、部分畳み込みを用いて検出ヘッドの軽量化を行い、計算コストを低減する。異なるデータセットでの実験により、改良モデルは基準モデルに比べてmAPがそれぞれ2.1％と3％向上し、パラメータ数は47.2％削減されたことを示した。本手法は霧天路面巡回点検に高精度かつ低リソース消費のソリューションを提供する。

霧天;路面欠陥検出;改良YOLO11n;軽量化