В данной работе предложена улучшенная модель обнаружения WADW-YOLO на основе YOLOv11n для решения проблем с большим диапазоном масштабов дефектов, сильными фоновой помехами и высокой сложностью модели в задачах обнаружения дефектов дорог с использованием беспилотных летательных аппаратов (БПЛА). Во-первых, в основной сети введён модуль взвешенной свёртки C3k2-WC, который реализует пространственное взвешивание ядер свёрток с помощью заранее определённой матрицы весов для усиления центра, снижая количество параметров модели и сосредотачиваясь на извлечении признаков областей с дефектами; во-вторых, применяется облегчённый модуль понижающей выборки ADown для улучшения сохранения деталей дефектов, а в конце основной сети добавлен механизм деформируемого внимания DAttention, который адаптивно регулирует рецептивное поле для захвата глобальной и локальной информации; наконец, разработана функция потерь Wise-ShapeIoU, объединяющая немонотонный механизм фокусировки Wise-IoU и геометрические ограничения ShapeIoU для повышения точности обнаружения. На открытом датасете China_Drone модель WADW-YOLO достигла mAP@0.5 74.6%, что на 3.8% выше, чем у YOLOv11n, при этом количество параметров уменьшилось на 17.8%, а вычисления — на 23.8%, обеспечивая эффективный баланс между точностью обнаружения и компактностью модели. На датасете China_MotorBike mAP@0.5 увеличился на 1.8% по сравнению с YOLOv11n, демонстрируя выдающуюся способность к обобщению. Настоящая работа представляет техническое руководство по высокоточной и энергоэффективной реализации обнаружения дефектов дорог с использованием БПЛА.

беспилотник;дорожные дефекты;YOLOv11n;WADW-YOLO;лёгкий