标题：基于YOLOv10n智能车巡检道路的障碍物检测方法
作者：毛启轩1，2；高阳1，2，3；孟琳1，2，3；张晨1，2 胡政1，2
作者单位：1 南京工程学院计算机工程学院，江苏 南京 211167；2 南京工程学院人工智能产业技术研究院，江苏 南京 211167；3 江苏省智能感知技术与装备工程研究中心，江苏 南京 211167
关键字：障碍物检测；YOLOv10n；双主干网络；SEAM；智能巡检
摘要：为满足无人智能巡检车在综合巡检任务中，对道路障碍物进行快速、准确检测的需求，提出了一种基于改进YOLOv10n的障碍物检测方法。首先，设计了一种分层融合主干网络（HFB）替代原有主干网络，增强了算法对巡检场景中复杂障碍物的特征学习能力；其次，引入ADown模块，通过优化下采样过程，提高了模型在检测交通锥和减速带等小目标或特殊形状目标时的识别精度和鲁棒性；最后，在检测头中融合了SEAM模块，有效减小复杂背景和多尺度变化对模型的干扰。实验结果表明，改进后的算法对巡检道路障碍物检测的mAP达到了84.8%，相比改进前算法平均精度提高了3.0%，Precision提升了2.3%，Recall提升了3.1%。新算法能够有效适应巡检车在巡检道路环境下的作业需求，具有一定应用价值。