本文提出了一种 SBP-YOLO 框架，用于高效检测嵌入式系统中的减速带和坑洼。基于 YOLOv11n，我们集成了 GhostConv 和 VoVGSCSPC 模块，以降低计算复杂度并增强多尺度语义特征。我们通过 P2 级分支改进小目标检测，并使用轻量级检测头 (LEDH) 在保持准确率的同时最大限度地降低开销。结合 NWD 损失、BCKD 知识提炼和基于 Albumentations 的增强的混合训练策略增强了在不同道路和环境条件下的鲁棒性。实验结果表明，SBP-YOLO 实现了 87.0% 的 mAP，比 YOLOv11n 基线提升了 5.8%。经过 TensorRT FP16 量化后，该实现在 Jetson AGX Xavier 上的运行速度为 139.5 FPS，比 P2 增强的 YOLOv11 速度提升了 12.4%。
