改进YOLO11n的雾天路面缺陷轻量化检测

针对雾天路面缺陷检测精度低、模型参数量大的问题，提出改进YOLO11n的雾天路面缺陷轻量化检测方法，旨在提高雾天环境检测精度和更利于轻量化部署。首先，在骨干网络中构建前端去雾网络（Dehaze-Network，DH-Net），通过通道归一化和跨层统计量传递机制，保持去雾图像结构一致性并实现检测任务导向联合优化，减小雾气对检测效果的影响；其次，采用自适应下采样模块（ADown）替代传统卷积下采样，以减少参数量并保留关键空间特征，从而增强缺陷细节的提取能力；然后，设计高效多分支辅助特征金字塔网络，通过动态卷积核适配与加权双向特征金字塔融合增强雾天模糊目标的跨尺度表征能力，进一步减少雾天对检测的影响；最后，使用部分卷积对检测头进行轻量化改进，以部分卷积运算降低计算开销。通过在不同数据集实验表明，改进模型mAP较基准分别提升2.1%和3%，参数量降低47.2%。该方法为雾天路面巡检提供了高精度、低资源消耗的解决方案。