面向复杂光照环境的YOLOv8 目标检测模型优化研究
作 者：
李超然
摘 要：
在复杂光照环境下，如夜间低照度、强烈眩光、亮度不均等条件中，图像质量严重退化，直接影响了目标检测系统的识别精度和稳定性。针对 YOLOv8 模型在此类环境中的适应性不足问题，构建了一种融合多模态图像增强与检测协同机制的优化框架。通过引入红外与可见光特征融合模块，结合上下文感知和时序建模策略，提升模型在低光场景下的感知一致性与连续帧目标保持能力。实验结果表明，优化后的模型在保持检测精度 mAP@0.5 ≥ 75%、图像结构相似性 SSIM ≥ 0.85、推理帧率≥ 25 FPS 的同时，实现了连续帧保持率提升≥ 20% 和压缩率≥ 40% 的指标表现，具备较强的实用价值和部署潜力。
来 源：
《信息产业报道》 2025-12