ED_YOLO：基于边缘驱动的低照度目标检测算法

来源：电子测量技术杂志2025年第23期北京时间：

作者：杨潞霞，雷建佳，张红瑞，马永杰，薛映昭

单位：1.太原师范学院计算机科学与技术学院 晋中 030619; 2.智能优化计算与区块链技术山西省重点实验室 晋中 030619; 3.西北师范大学物理与电子工程学院 兰州 730070

摘要：针对低照度环境下，目标特征不明显、细节丢失严重、场景适应性差等问题导致目标检测精度低的问题，提出了一种基于边缘驱动的目标检测方法ED_YOLO。首先，设计了HESM模块，通过Sobel算子提取边缘信息，引导多元特征交互，提升有效信息的敏感度。其次，提出了C2f_DRM模块，高效整合局部细节与全局上下文信息。然后，构建了LFAM模块，在共享卷积的基础上，优化不同尺度特征的自适应调控方法，有效减少细节信息丢失。最后，引入RepGFPN模块，利用重参数化技术，提高模型的多尺度特征提取能力。在ExDark数据集上的实验结果表明，所提出方法的mAP50达到了72.17%，与原始YOLOv8n相比，提高了2.87%，取得了较好的检测效果。

关键词：边缘驱动;低照度图像;YOLOv8n网络;特征融合

基金资助：国家自然科学基金（62066041）、山西省重点研发计划（202102010101008）、山西省高等学校科技创新项目（2024L295）、山西省科技战略研究专项重点项目（202304031401011）、山西省基础研究计划(自由探索类)项目（202403021222276）、山西省研究生教育改革研究项目（2023JG163）资助