摘要：针对低照度图像目标检测的挑战,提出一种端到端检测方法FDLIE-YOLO。首先,设计频域处理模块FDPB(Frequency Domain Processing Block),采用傅里叶变换提取全局信息,从而获取估计幅度分量,利用其与亮度的正相关关系,提升低光照图像质量,进而构建频域低照度图像增强网络FDLIENet(Frequency Domain Low-light Image Enhancement Network)。然后,使用YOLOv8n进行目标检测,通过联合损失实现图像增强与目标检测的端到端训练。该损失引入马氏距离的幅度差异损失,以精准调整图像幅度,并用MPDIoU(Minimum Point Distance based IoU)损失取代YOLOv8n原有的回归损失,提高检测准确性。实验结果显示,FDLIENet在低照度环境下的图像增强表现显著,在LOLReal和ExDark数据集上的PSNR、SSIM和NIQE指标分别达到23.18 dB、0.858和3.98;FDLIEYOLO在ExDark数据集,平均精度均值mAP为80.6%,较当前主流端到端检测方法提高了1.1%~1.6%,且实时性好。