안개 낀 날씨 도로 결함 검출의 낮은 정확도와 모델 파라미터 수가 많은 문제를 해결하기 위해, 개선된 YOLO11n 기반 안개 낀 도로 결함 경량 검출 방법을 제안하여 안개 환경에서의 검출 정확도 향상과 경량화 배포에 유리하도록 한다. 우선, 백본 네트워크에 전면 안개 제거 네트워크(Dehaze-Network, DH-Net)를 구축하여 채널 정규화 및 계층 간 통계 전달 메커니즘을 통해 안개 제거 이미지의 구조적 일관성을 유지하고 검출 작업 지향 공동 최적화를 실현하여 안개가 검출 성능에 미치는 영향을 줄인다; 다음으로, 기존의 컨볼루션 다운샘플링을 대체하는 적응형 다운샘플링 모듈(ADown)을 사용하여 파라미터 수를 줄이고 핵심 공간 특성을 보존하여 결함 세부 정보 추출 능력을 강화한다; 그리고 효율적인 다중 분기 보조 특징 피라미드 네트워크를 설계하여 동적 컨볼루션 커널 적응 및 가중 양방향 특징 피라미드 융합을 통해 안개 낀 흐릿한 객체의 다중 스케일 표현 능력을 강화하고 안개가 검출에 미치는 영향을 더욱 줄인다; 마지막으로, 일부 컨볼루션을 사용하여 검출 헤드를 경량화하여 계산 비용을 낮춘다. 다양한 데이터 세트에서의 실험 결과, 개선된 모델이 기준 모델 대비 mAP가 각각 2.1% 및 3% 상승하고 파라미터 수가 47.2% 감소함을 보여준다. 이 방법은 안개 낀 도로 점검에 고정밀도 및 저자원 소모 솔루션을 제공한다.

안개;도로 결함 검출;개선된 YOLO11n;경량화