本論文は,組込みシステムにおける過速防止ジョーとポートホールを効率的に検出するためのSBP-YOLOフレームワークを提案する。 YOLOv11nに基づいてGhostConvとVoVGSCSPCモジュールを統合し、計算量を削減し、マルチスケールの意味論的特徴を改善しました。 P2レベル分岐により小さな物体検出を改善し、軽量化された検出ヘッド(LEDH)を使用して精度を維持しながらオーバーヘッドを最小限に抑えました。 NWD損失、BCKD知識蒸留、アルブメンテーションベースの強化を組み合わせたハイブリッドトレーニング戦略により、さまざまな道路や環境条件で堅牢性を強化しました。実験の結果、SBP-YOLOは87.0%mAPを達成し、YOLOv11nベースラインより5.8%のパフォーマンスを向上させました。 TensorRT FP16の量子化後、Jetson AGX Xavierで139.5 FPSで実行され、P2はYOLOv11よりも12.4%速い速度を達成しました。