改进YOLOv11n的多模块协同优化的水下目标检测算法研究

来源：计算机工程与应用杂志2026年第12期北京时间：

作者：蒋子锦, 田莹, 李义荣, 杨丹

单位：辽宁科技大学 计算机与软件工程学院，辽宁 鞍山 114000；

摘要：针对水下环境光线衰减、悬浮物干扰导致的图像质量退化、小目标漏检及模型泛化能力差等问题，该研究提出一种基于YOLOv11n改进的水下目标检测算法YOLOv11-SLI。在颈部网络设计空间注意力与挤压-激励上采样算子（spatial attention and squeeze-excitation upsampling operator，SASE），通过空间注意力与通道注意力增强特征表达能力，抑制水体噪声并提升特征图质量；在主干网络和颈部网络设计迭代注意力特征融合模块（C3k2_iterative attentional feature fusion，C3k2_iAFF），通过多尺度通道注意力（multi-scale channel attention module，MS-CAM）与迭代优化强化目标关键特征，提升特征融合效率；在检测头前设计一组多分支卷积（Leaky Receptive Field Block，LRFB），采用LeakyReLU激活函数增强非线性变换，以提升小目标特征捕捉能力。在URPC数据集上的实验表明：改进模型mAP@0.5达82.7%，mAP@0.5：0.95达62.5%，较基线YOLOv11n提升了2.3和2.4个百分点，召回率提升至74.5%，计算量仅增至9.3 GFLOPs。消融实验与模块对比实验证明改进模型在保持较低计算开销的同时，有效增强了对模糊、遮挡及小尺寸水下生物的检测鲁棒性。

关键词：水下目标检测,YOLOv11,迭代注意力机制,多分支卷积,上采样算子

基金资助：辽宁省教育厅高校基本科研项目（LJ242510146006）。