LDA-YOLO11：一种轻量级的细节注意力检测器，适用于边缘部署的道路表面缺陷检测

《Scientific Reports》：LDA-YOLO11: a lightweight detail-attention detector for edge-deployable road surface defect detection

　　

摘要

道路表面缺陷，如裂缝、路面损坏和坑洞，会缩短道路的使用寿命，并影响驾驶安全和预防性维护。现有的轻量级物体检测器在计算效率上较高，但在处理长裂缝、纹理较弱的损坏以及复杂的路面背景时仍存在漏检和定位不稳定的问题。为了解决这些问题，本研究提出了LDA-YOLO11，这是一种基于YOLO11n的轻量级细节注意力道路缺陷检测器。该模型在保持原有的YOLO11n框架以及\(P_3^{\prime }\)、\(P_4\)和\(P_5\)检测头不变的基础上，改进了颈部特征融合环节。设计了一种由\(P_2\)引导的细节-颈部（Detail-Neck）机制，将浅层高分辨率的细节信息注入\(P_3^{\prime }\)特征中，而无需增加独立的\(P_2\)检测头。在最终的\(P_3^{\prime }\)和\(P_4\)特征融合之后，引入了高效的通道注意力（Channel Attention）模块，以重新校准与缺陷相关的通道响应并抑制背景干扰。实验结果显示，LDA-YOLO11的mAP@0.5和mAP@0.5:0.95值分别为0.951和0.791，较YOLO11n分别提升了2.3%和1.7%。在Jetson Orin NX平台上，使用TensorRT FP16加速技术将推理延迟降低到每帧27毫秒，相当于37.03帧/秒（FPS），同时mAP@0.5的值仅下降了0.2%。这些结果表明，LDA-YOLO11在边缘设备上的部署极具可行性，并具备实时的道路表面缺陷检测能力。