FLE-YOLO检测算法

算力降四成，帧率倍增

专为边缘设备设计的轻量级目标检测算法，在保持高精度的同时大幅降低计算复杂度，适应塔吊作业等复杂动态环境。

胡欣 · Xiyu, Wang · Yashu, Chang · Xiao, Jian · 程鸿亮 · Firdaousse, Abdelhad

Applied Sciences (Switzerland) 2025

参数信息

检测精度

97.3 %

平均精度AP50

98.3 %

计算复杂度

19.4 GFLOPs

帧率

142.857 f/s

技术优势

算力需求降四成

通过FasterNet替换主干网络，计算复杂度从40+GFLOPs降低到19.4 GFLOPs，并且引入了Triplet Attention和Slim-neck来减少参数。

帧率大幅提升

FPS从原始模型的约70 f/s提升到142.857 f/s，减少了图像延迟，实现了更流畅的实时检测。

抗干扰能力强

Dyhead模块统一了多种注意力操作，提高了对小目标和复杂背景的抵抗能力，适用于复杂工况下的吊钩检测。

应用场景

• 塔吊安全监控：在高风险塔吊作业中实时识别和跟踪吊钩，及时发现异常，避免碰撞和坠落事故。
• 工业视觉检测：在复杂工业环境下替代人工目检，高效检测小目标和背景干扰，确保生产安全。
• 边缘计算设备：以轻量级模型满足边缘设备有限算力，实现高帧率推理，无需云端支持。
• 智能建造：作为智能工地视觉感知组件，帮助施工设备实现自主避障和精准作业。