改进YOLOv8s的校园智能清扫车障碍物检测与测距算法

来源：电子测量技术杂志2025年第10期北京时间：

作者：郭志军，叶世文，庞明天，王丁健，杜林林

单位：1.河南科技大学车辆与交通工程学院 洛阳 471000;2.河南科技大学智能农业装备全国重点实验室 洛阳 471000

摘要：针对校园智能清扫车障碍物检测精确度低、检测速度慢以及模型复杂度高的问题，提出一种改进YOLOv8s的校园智能清扫车障碍物检测与测距算法YOLOv8s-FDR。在YOLOv8s算法框架的基础上，将主干网络替换为参数量和内存访问量更小的FasterNet网络，以降低模型复杂度并提高检测速度；然后设计了SPPF-DAM模块，以残差方式引入可变形注意力机制，提高模型对多尺度目标特征的感知能力；其次，在特征融合网络中采用Partial-RFEM进行下采样，以捕获非局部上下文特征和局部目标特征，提高检测精确度；最后，添加了测距功能，降低硬件成本。实验结果表明，改进算法与原算法相比mAP提高了3.6%，模型计算量和参数量相较于原模型分别降低了19.72%和15.27%。实际环境测试显示，YOLOv8s-FDR算法的检测速度达到38.44 fps，远高于原算法的17.12 fps，能够满足校园智能清扫车正常运行的性能要求。

关键词：校园智能清扫车;YOLOv8s;可变形注意力机制;性能测试

基金资助：国家自然科学基金（51675163）项目资助