针对传统边缘检测算法易出现边缘线断裂、不连续的情况以及基于深度学习的方法无法保证边缘清晰性和准确性且容易丢失边缘细节信息的问题,提出了一种基于编解码结构的轻量级的边缘检测方法.通过编码器提取图像的边缘特征,在解码端恢复编码器下采样时丢失的边缘信息,编解码器之间采用跳跃连接方法实现低层特征和高层特征之间的融合,采用具有注意力机制的深监督模块,进一步学习多尺度多层次的边缘特征生成精细的图像边缘.该网络模型在BSDS500S数据集上进行训练,实验结果表明,本文方法ODS(optimal dataset scale)与OIS(optimal image scale)分别达到0.808和0.830,在 GTX 1060机器上帧率达到60帧/s,超过了基于卷积神经网络的主流边缘检测方法,具有较好的效果.