MEC-YOLOv11n:水面小目标漂浮物的检测算法

来源：电子测量技术杂志2025年第14期北京时间：

作者：安梦军，吴朝明，邓承志

单位：1.南昌工程学院信息工程学院 南昌 330000;2.智慧水利江西省重点实验室 南昌 330000

摘要：为应对水面波动、光照变化以及漂浮物部分遮挡等复杂场景中水面小目标漂流物检测面临的准确性和鲁棒性问题，提出了MEC-YOLOv11n算法。MEC-YOLOv11n算法包括Backbone、Neck和Head共3个部分。为了增大目标感受野的识别区域，本研究设计了MSWTC结构，并在Neck部分改进了C3k2结构，这一优化显著提高了水面小目标漂流物的提取能力，从而增强了模型在复杂背景下对细节的捕捉能力；其次，提出了一种EUCB上采样方法，替代了v11中的传统上采样模块，该方法在上采样过程中增强了图像边缘的清晰度，使得高分辨率特征图中的目标轮廓更加精确，尤其在处理复杂背景和小目标检测任务时，显著提升了模型对细节的捕捉能力；最后，在Head前设计了一种专门用于识别边缘特征的注意力模块CCA，进一步优化了模型在边缘信息提取方面的表现。实验结果表明，经过优化后的模型，其精确率P相较之前提高了3.3%，召回率R提高了2.4%，mAP50提升了2.5%，mAP50.95提高了1.5%。

关键词：YOLOv11;漂流物检测;小目标检测;目标感受野;边缘特征

基金资助：江西省科技厅重大科技研发专项“揭榜挂帅”制项目(20213AAG01012-06)资助