車載前方の複雑な道路場面において、一部路面異物の撮像スケールが小さく、エッジ特徴が弱く、背景干渉が強い問題に対して、YOLO11nに基づく軽量路面異物検出アルゴリズムYOLO11-MSDFを提案する。小波周波数解離ダウンサンプリング（WFD-Down）モジュールを設計し、高低周波の解離によりエッジとテクスチャの詳細を保持する。方向空間認識ピラミッド高速プーリング（DSA-SPPF）モジュールを構築し、ストライププーリングを利用して構造化背景干渉を抑制する。形態適応C3（MAK-C3）モジュールを導入し、適応的サンプリングにより不規則境界特徴を強化する。階層的非対称動的融合（HADF）モジュールを設計し、浅層の詳細情報と深層の意味情報を融合する。実験結果は、モデルパラメータ数が2.9M、計算量が7.5GFLOPs、Precision、Recall、mAP@0.5がそれぞれ85.8％、73.9％、83.7％で、YOLO11nと比較してそれぞれ7.1、2.0、4.0ポイント向上し、検出速度は90.5FPSであることを示した。外部データセットでの三項目の指標は、それぞれ5.2、1.3、1.9ポイント向上した。合成霧と動体ぼかし実験により、多くの劣化シーンでモデルがベースラインを上回ることを示した。車両運行制約の分析により、実車搭載の主要な影響要因を説明した。

深層学習;路面異物検出;軽量モデル;特徴融合;物体検出