본 논문은 임베디드 시스템에서 과속 방지턱과 포트홀을 효율적으로 감지하기 위한 SBP-YOLO 프레임워크를 제안합니다. YOLOv11n을 기반으로 GhostConv 및 VoVGSCSPC 모듈을 통합하여 계산량을 줄이고 다중 스케일 의미론적 특징을 향상시켰습니다. P2 레벨 분기를 통해 작은 객체 감지를 개선하고, 경량화된 감지 헤드(LEDH)를 사용하여 정확도를 유지하면서 오버헤드를 최소화했습니다. NWD 손실, BCKD 지식 증류, Albumentations 기반 증강을 결합한 하이브리드 훈련 전략을 통해 다양한 도로 및 환경 조건에서 견고성을 강화했습니다. 실험 결과, SBP-YOLO는 87.0% mAP를 달성하여 YOLOv11n baseline보다 5.8% 성능을 향상시켰습니다. TensorRT FP16 양자화 후, Jetson AGX Xavier에서 139.5 FPS로 실행되어 P2가 향상된 YOLOv11보다 12.4% 더 빠른 속도를 보였습니다.
