多尺度频率辅助类 Mamba 线性注意力模块（MFM），融合频域和空域特征，提升多尺度、复杂场景下的目标检测能力在伪装物体检测领域，现有方法大多依赖空间局部特征，难以有效捕捉全局信息，而 Transformer 类方法虽能建模长距离依赖关系，却存在计算成本高、网络结构复杂的问题。同时，频域特征虽具备全局建模能力，可频繁的频域与空域转换会增加计算复杂度。此外，Mamba 方法凭借高效的注意力机制和轻量化设计，在降低计算成本方面展现出巨大潜力，但其在伪装物体检测中的应用尚未被充分探索。基于此，为解决传统方法在全局信息捕捉和计算效率上的不足，MFM 模块应运而生，它融合频域和空域特征，通过多尺度策略进一步提取全局信息，优