LFDS-YOLO：多尺度特征融合的轻量化航拍路面病害检测算法

来源：计算机工程与应用杂志2025年第21期北京时间：

作者：李勇, 沈坚

单位：重庆邮电大学 工业互联网学院，重庆 400065

摘要：现有航拍路面病害检测算法存在特征提取冗余、计算复杂度高，全局注意力计算效率低下以及卷积注意力维度信息少、语义不足的问题，导致检测精度和实时性能受限。为解决上述问题，提出了一种基于多尺度特征融合与注意力机制改进的轻量化检测网络LFDS-YOLO。通过移除大尺度特征分支重构特征金字塔结构LF_PANet（lightweight fusion path aggregation network），提出动态特征提取模块DFEB（dynamic feature extraction block），实现资源自适应分配。提出多头列区域注意力机制MHCol-Attn（multi-head column attention），结合FlashAttention加速技术，优化训练效率。提出SLCA（superior lightweight coordinate attention），提高卷积注意力多维信息的特征提取能力。采用非结构化剪枝技术压缩模型体积并提高检测速度。实验结果表明，LFDS-YOLO在UAV-PDD2023公开数据集上的平均精度较YOLOv11s提高3.5个百分点，模型参数、计算复杂度和模型大小分别降低53.2%、6.5%和52.2%，检测速度达到95?FPS，有效应用于航拍路面病害检测。

关键词：路面病害检测,YOLOv11s,特征融合,注意力机制,轻量化