차량 전방의 복잡한 도로 상황에서 일부 도로 이물질이 영상상 작은 크기, 약한 가장자리 특징 및 강한 배경 간섭 문제를 해결하기 위해 YOLO11n 기반 경량 도로 이물질 검출 알고리즘 YOLO11-MSDF를 제안하였다. 고·저주파를 분리하여 가장자리 및 텍스처 세부 정보를 보존하는 웨이블릿 주파수 분리 다운샘플링(WFD-Down) 모듈을 설계하였고, 띠 형태 풀링을 이용해 구조화된 배경 간섭을 억제하는 방향 공간 인지 피라미드 빠른 풀링(DSA-SPPF) 모듈을 구성하였다. 형태 적응형 C3(MAK-C3) 모듈을 도입해 적응 샘플링을 통해 불규칙 경계 특성을 강화하였으며, 계층 비대칭 동적 융합(HADF) 모듈을 설계해 얕은 세부 정보와 깊은 의미 정보를 융합하였다. 실험 결과 모델의 파라미터 수는 2.9M, 연산량은 7.5 GFLOPs이며, 정확도(Precision), 재현율(Recall), mAP@0.5는 각각 85.8%, 73.9%, 83.7%로 YOLO11n 대비 7.1, 2.0, 4.0%p 향상되었고 검출 속도는 90.5 FPS였다. 외부 데이터셋에서 세 가지 지표가 각각 5.2, 1.3, 1.9%p 증가하였다. 합성 안개 및 운동 흐림 실험에서 모델은 대부분의 저하 환경에서 베이스라인보다 우수한 성능을 보였으며, 차량 운행 제약 분석을 통해 실제 차량 적용의 주요 영향 요인을 설명하였다.

딥러닝;도로 이물질 검출;경량 모델;특징 융합;객체 검출