اكتشاف الأضرار في الطرق باستخدام الطائرات بدون طيار (UAV) مهم للصيانة اليومية والأمان في المدن، خاصة فيما يتعلق بتقليل تكاليف العمالة بشكل كبير. ومع ذلك، لا تزال أبحاث اكتشاف الأضرار في الطرق باستخدام الطائرات بدون طيار تواجه العديد من التحديات. على سبيل المثال، الأضرار ذات الحجم والاتجاه غير المنتظمين، إخفاء الأضرار بواسطة الخلفية، وصعوبة تمييز الأضرار عن الخلفية تؤثر بشكل كبير على قدرة الطائرة بدون طيار على اكتشاف الأضرار في الطرق أثناء الفحص اليومي. لحل هذه المشاكل وتحسين أداء الطائرة بدون طيار في اكتشاف الأضرار في الطرق بشكل فعلي، صممنا واقترحنا ثلاثة وحدات متناظرة: وحدة استخراج الميزات التي تتكيّف بمرن مع الشكل والخلفية؛ وحدة تندمج فيها الإدراك متعدد المقاييس وتتكيّف مع الشكل والخلفية؛ ووحدة التقليل من الترسيم بكفاءة. بناءً على هذه الوحدات، صممنا نموذجًا للكشف عن أضرار الطرق متعدد المقاييس والمتكيف الذي يتمتع بالقدرة على إزالة التداخل الناجم عن الخلفية بشكل آلي، والذي يُطلق عليه اسم نموذج الكشف عن الاندماج الحساس للمقياس الديناميكي (RT-DSAFDet). أظهرت نتائج التجارب على مجموعة البيانات العامة UAV-PDD2023 أن نموذجنا RT-DSAFDet حقق نسبة mAP50 بلغت 54.2٪، وهي أعلى بنسبة 11.1٪ من تلك الخاصة بـ YOLOv10-m، وهو نسخة كفوءة من أحدث نموذج للكشف عن الأجسام في الوقت الحقيقي YOLOv10، بينما تم تقليص حجم المعلمات إلى 1.8 مليون ومعدل العمليات العددية (FLOPs) إلى 4.6 مليار، بمعدل انخفاض بلغ 88٪ و93٪ على التوالي. علاوة على ذلك، أظهرت مجموعة البيانات العامة MS COCO2017 للكشف عن الأجسام المعممة الكبيرة أيضًا تفوق نموذجنا حيث كانت نسبة mAP50-95 متساوية مع YOLOv9-t، ولكن بنسبة mAP50 أعلى بنسبة 0.5٪ ومعدل أقل للحجم بمقدار 10٪ ومعدل أقل للعمليات العددية (FLOPs) بمقدار 40٪.