基于改进YOLOv8的无人机红外目标检测算法

来源：电子测量技术杂志2025年第7期北京时间：

作者：张瑞芳，刘占占，程小辉，赵虹

单位：1.广西高校先进制造与自动化技术重点实验室(桂林理工大学) 桂林 541006;2.桂林理工大学机械与控制工程学院 桂林 541006;3.桂林理工大学信息科学与工程学院 桂林 541006

摘要：针对无人机航拍红外图像中因为噪声干扰、光照波动和复杂背景带来的目标检测困难的问题，提出了一种基于YOLOv8的无人机红外目标检测算法SDE-YOLOv8。首先，引入了YOLOv10中的SCDown模块让每个尺度最大化地保留上下文的语义信息；其次，引入动态上采样器DySample来提升模型对于图像细节的敏感度；同时引入三重注意力机制改进C2f，来强化模型对空间和通道维度之间关系的理解和复杂数据的处理能力；最后，设计了轻量级解耦头Efficient_Head模块，确保了检测精度的同时大幅度减少了模型参数。实验结果表明，改进后的算法mAP50达到83.7%，较YOLOv8n提高了4.2%，精确率提升了1.2%，召回率提升了3.8%，浮点运算次数下降了2.5%，FPS达到了323.17 fps的检测速度，充分说明改进算法整体性能优于其他主流算法，能更好的完成无人机红外目标检测任务。

关键词：红外目标检测;YOLOv8;注意力机制;语义信息;无人机

基金资助：国家自然科学基金(61662917)、广西科技计划重点研发项目(桂科 AB17195042)、广西中青年教师基础能力提升项目(2018KY0248，2020KY06026)、广西建筑新能源与节能重点实验室项目(桂科能 15-J-21-1)资助