计算机工程与科学

作者：蒋建伟, 贾小云, 段克盼, 郭宇, 盛良浩, 魏联婷

单位：陕西科技大学电子信息与人工智能学院，陕西 西安 710021

关键词：道路障碍物,注意力机制,卷积模块,模型优化,YOLOv8模型,

道路障碍物检测是智能驾驶技术的核心环节。针对目前道路小目标障碍物检测精度低、恶劣环境场景检测性能差和道路障碍物数据集稀缺等问题，整理并构建适合道路场景的障碍物数据集，并基于YOLOv8模型提出一种检测精度高的新模型YOLOv8-J。首先，设计基于RepViT的轻量级主干网络LskViT，提高模型对多尺度特征的提取能力；其次，引入SPD-Conv卷积模块，增强模型对低分辨率图像的学习能力；最后，增加一层小目标检测层，帮助模型获得更多的浅层特征，提高对小目标障碍物的检测性能。实验结果表明，与基线模型YOLOv8相比，改进的YOLOv8-J模型的mAP@0.5和mAP@0.5:0.95值分别提升了5.9个百分点和6.1个百分点，改进后的模型能够适用于道路障碍物检测任务，进一步提升了恶劣环境下对小目标障碍物的检测性能。

来源：2026年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2026年第3期