Для решения проблемы низкой точности обнаружения дефектов дорожного покрытия в туманных условиях и большого количества параметров модели предложен облегчённый метод обнаружения дефектов дорожного покрытия в тумане на основе улучшенного YOLO11n, направленный на повышение точности обнаружения в туманной среде и упрощение лёгкого развертывания. Во-первых, в базовой сети построена фронтальная сеть удаления тумана (Dehaze-Network, DH-Net), которая с помощью нормализации каналов и механизма передачи статистики между слоями сохраняет структурную согласованность изображений после удаления тумана и обеспечивает совместную оптимизацию, ориентированную на задачу обнаружения, уменьшая влияние тумана на результаты обнаружения; во-вторых, адаптивный модуль понижающей выборки (ADown) заменяет традиционную сверточную понижающую выборку для уменьшения количества параметров и сохранения ключевых пространственных признаков, улучшая способность извлекать детали дефектов; затем разработана эффективная многоветвистая вспомогательная сетевая пирамида признаков, которая с помощью адаптивных свёрточных ядер и взвешенного двунаправленного объединения пирамиды признаков усиливает многоуровневое представление размытой цели в тумане, дополнительно уменьшая влияние тумана на обнаружение; наконец, для облегчения вычислительной нагрузки используется частичная свёртка в головке обнаружения. Эксперименты на различных наборах данных показали, что улучшенная модель повышает mAP на 2,1% и 3% по сравнению с базовой и снижает количество параметров на 47,2%. Этот метод обеспечивает высокоточное и ресурсосберегающее решение для инспекции дорог в туманную погоду.

туман;обнаружение дефектов дорожного покрытия;улучшенный YOLO11n;облегчённый