RDSM-YOLO轻量级夜间车辆检测模型

来源：电子测量技术杂志2026年第9期北京时间：

作者：杨慧敏，李瑞涛，高小雯，王汉霞

单位：东北林业大学土木与交通学院 哈尔滨 150000

摘要：针对自动驾驶系统在夜间场景中对车辆检测面临对比度低、图像模糊、复杂光照干扰等导致检测性能不佳的问题，本文从全面增强低光场景下关键特征提取与融合的角度出发，提出基于YOLOv8网络的轻量级RDSM-YOLO模型。首先，在主干与颈部网络引入RFAConv，通过感受野注意力机制自适应突出关键空间特征；其次，采用DynamicConv重构C2f模块实现卷积核的动态聚合，在不增加FLOPs的前提下强化特征表达；同时以轻量化SPPELAN模块替代传统SPPF，融合多尺度上下文信息；最后，将损失函数CIoU升级为EIoU，通过显式解耦边界框几何要素加速收敛并提升定位精度。实验结果表明，RDSM-YOLO在BBD100k数据集上进行夜间车辆检测的mAP50为70%，不仅较YOLOv8提升了1.4%,同时模型参数量仅有3.04 M。验证了本文模型在夜间车辆检测中保证轻量化的同时并有较高的精度，为夜间自动驾驶性能提高提供了一种参考。

关键词：夜间场景;自动驾驶;车辆检测;YOLOv8;注意力机制

基金资助：黑龙江省自然科学基金（LH2021C016）项目资助