본 논문은 임베디드 시스템에서 속도 방지턱과 포트홀을 효율적으로 감지하기 위한 SBP-YOLO라는 딥러닝 프레임워크를 제안합니다. YOLOv11n을 기반으로 GhostConv, VoVGSCSPC 모듈을 통합하여 계산량을 줄이고 다중 스케일 의미론적 특징을 강화했습니다. 또한 P2-레벨 브랜치를 통해 작은 객체 감지 능력을 향상시키고, 경량화된 감지 헤드를 사용하여 정확도를 유지했습니다. 하이브리드 훈련 전략(NWD 손실, BCKD 지식 증류, Albumentations 기반 증강)을 통해 다양한 도로 및 환경 조건에서 견고성을 높였습니다. 실험 결과, SBP-YOLO는 87.0% mAP를 달성하여 YOLOv11n보다 5.8% 성능이 향상되었으며, TensorRT FP16 양자화를 통해 Jetson AGX Xavier에서 139.5 FPS로 실행되어 임베디드 서스펜션 제어 시스템에 적합함을 입증했습니다.
