基于多尺度感知的自适应无人机红外小目标检测

来源：电子测量技术杂志2026年第8期北京时间：

作者：王亦君，张露，李燕

单位：1.南京信息工程大学计算机学院、网络空间安全学院 南京 210044; 2.无锡学院物联网工程学院 无锡 214105

摘要：无人机红外图像小目标检测是侦察监视、搜索救援等领域的关键技术，其可靠性受到目标尺寸微小、特征表达弱、背景复杂等问题的挑战。针对上述难题，本文提出了一种基于多尺度感知与自适应筛选策略的无人机红外小目标检测算法PGF-RTDETR。首先，在颈部网络中构建极化通道门控单元，利用极化注意力机制引导多尺度特征进行深度语义融合，从而增强小目标的可辨识度，有效抑制背景干扰。其次，设计了自适应卷积增强模块，利用门控机制增强特征的选择性与精细度，提升细粒度特征的提取效率。最后，骨干网络中引入了融合部分卷积与通道变换的高效残差结构，提升特征表达能力的同时有效降低了模型参数量。实验结果表明，与基准模型RT-DETR-R18相比，PGF-RTDETR在HIT-UAV数据集上mAP50和P分别提高了2.6%和6.6%，模型参数量、计算量分别降低了20.7%、25%，在FLIR数据集上，mAP50提升0.6%。改进模型在保持较小参数量和计算量的同时，提高了检测精度，为无人机红外小目标检测提供有效解决方案。

关键词：RT-DETR;无人机;红外图像;小目标检测

基金资助：无锡学院引进人才科研启动专项(2023r003)资助