복잡한 수환경에서 부유물 검출 시 오탐, 미탐 및 다중 스케일 인식 부족 문제를 해결하기 위해 YOLOv8n 기반의 경량화 고효율 검출 방법을 제안한다. 주 네트워크 및 목 깊은 층에 재파라미터화 합성곱(RepConv)을 융합한 다중 스케일 적응형 컨텍스트 강화 층 집계 모듈 MAC-ELAN(Multi-scale Adaptive Context Enhanced Layer Aggregation Network)을 설계하여 계층 간 특징 융합 및 컨텍스트 강화를 통해 복잡한 배경에서 특징 판별 능력을 향상시키고, 구조적 재파라미터화를 통해 검출 정확도와 계산 효율성을 모두 고려하였다. 동시에, P2 및 P6 검출 헤드를 도입하여 극소 및 대규모 객체에 대한 모델 인식 능력을 강화하였다. 목 얕은 층에는 부분 합성곱(PConv)과 EMA 주의 메커니즘을 통해 C2f 구조를 재구성하고 Wise-IoUv3 손실과 결합한 경량 특징 융합 모듈 C2f-FA를 설계하여 객체 위치 정확도를 향상시켰다. 실험 결과, 자체 구축 데이터셋에서 개량된 모델은 파라미터를 1.13M만 증가시켜 mAP@50 및 mAP@50:95를 각각 4.2% 및 3.9% 향상시켰다. Flow-Img 및 IWHR-Floater_V1 데이터셋에서의 교차 도메인 실험은 복잡한 수면 환경에서 해당 방법의 유효성을 추가로 검증했으며, 낮은 계산 복잡도에서 검출 정확도와 모델 경량화 간 좋은 균형을 달성했다.

부유물 검출; 복잡한 수환경; 재파라미터화 합성곱; 특징 융합; 경량화 네트워크