Em condições meteorológicas complexas e cenários dinâmicos, a detecção de pequenos alvos é facilmente afetada por interferência de névoa e enfraquecimento de características, e os métodos existentes ainda apresentam deficiências em termos de tempo real e robustez. Para isso, este artigo visa construir um modelo de detecção que combine alta eficiência com forte robustez para melhorar o desempenho da detecção de pequenos alvos em dias de névoa. Propõe-se a rede híbrida de detecção de espaço de estados baseada em Mamba-Transformer, HS-MambaDet. Primeiramente, foi projetada a estrutura backbone HSM-SSD que integra compressão de estado oculto e modelagem de espaço de estado para reduzir a complexidade computacional; em seguida, foi introduzido o fusor espaço-frequência multiescala (MFSF) contendo módulos de percepção de alta frequência e percepção de dependência espacial para reforçar a expressão detalhada dos pequenos alvos e a modelagem do contexto espacial. O quadro geral adota uma arquitetura híbrida de CNN, Transformer e Mamba para realizar respectivamente extração de características locais, modelagem de contexto global e combinação eficiente da estrutura recursiva linear. Experimentos extensivos nos conjuntos de dados RTTS e CityScapes mostram que o HS-MambaDet supera os modelos atuais em precisão e eficiência. A precisão preditiva do modelo completo no RTTS é de 87,3%, a taxa de recall é de 73,1%, mAP@0.5 é de 81,2%, mAP@(0.5~0.95) é de 51,0%, com melhorias máximas de 3,8%, 3,9%, 3,6% e 3,3%, respectivamente, em comparação com os modelos de referência; o tempo de inferência é de 0,26 s, mantendo uma boa capacidade em tempo real. Além disso, em cenários de pequenos alvos, o mAP@0.5 do modelo aumentou até 4,4%, e apresentou maior capacidade de generalização nos testes com diferentes intensidades de névoa. O HS-MambaDet, ao introduzir um mecanismo eficiente de compressão de estado oculto e uma estrutura de fusão espaço-frequência multiescala, reforça efetivamente a percepção de detalhes e a modelagem espacial dos pequenos alvos sob condições de névoa, alcançando vantagens significativas em precisão, robustez e eficiência de inferência, oferecendo uma solução viável e eficiente para a detecção em tempo real de alvos em ambientes dinâmicos adversos.

detecção de alvos; Mamba; percepção de alta frequência; compressão oculta integrada