基于改进YOLOv10-MCS多模态协同感知的轻量化负障碍物检测算法

来源：计算机测量与控制杂志2025年第6期北京时间：

作者：范忆梅,蒋存皓,范贤杰,伍彩霞,周力强

单位：福州理工学院 计算与信息科学学院

摘要：针对复杂环境负障碍物检测存在的特征模糊性显著、多尺度漏检率高及环境干扰鲁棒性不足等问题，提出基于YOLOv10框架的多模态协同感知改进模型YOLOv10-MCS；该算法通过感受野注意力卷积模块替换主干特征提取网络的传统卷积操作，利用动态多分支感受野与空间注意力机制强化低对比度边缘特征提取；构建上下文引导块完成全局语义与局部细节的自适应融合，有效解决边界模糊导致负障碍物漏检问题；设计跨尺度特征融合模块重构颈部特征融合网络，采用通道统一化策略与跨层级拼接机制，在优化多尺度特征一致性的同时实现轻量化架构；联合全局注意力机制的通道-空间重校准显著抑制背景干扰；实验结果表明，YOLOv10-MCS模型精确率达88.13%，mAP提升至85.80%，浮点运算次数降至5.7GFLOPs，相较于原模型，精确率提升5.96%，平均精度均值提升3.3%，计算量降低32.1%；YOLOv10-MCS通过跨模态特征交互机制攻克负障碍物检测难题，其高精度轻量化特性为复杂场景目标检测提供了新的技术路径，在自动驾驶感知系统与机器人动态避障场景中具备工程实践价值。

关键词：负障碍物检测;YOLOv10;跨尺度特征融合模块;上下文引导块;全局注意力机制;感受场注意力卷积模块

基金资助：1.福建省中青年教师教育科研一般项目(JAT241223) 2.福州理工学院校级科研基金重点项目(FTKY2024012)