基于深度学习的轻量化无人机航拍小目标智能检测系统设计
来源：计算机测量与控制杂志2025年第9期北京时间：
作者：史亚锋,韩可伟,高树论,吕春雷
单位：中国电子科技集团公司第五十二研究所
摘要：在无人机航拍过程中，无人机以俯视的视角进行监视拍摄，特征提取角度较单一，且无人机离地面距离较远，待检测目标相对呈现出小目标的特点，受到背景遮挡时，在检测的时候容易出现误检的情况。因此，设计一种基于深度学习的轻量化无人机航拍小目标智能检测系统。硬件方面设计了无人机航拍装置，包括飞控模块、舵机云台视频系统、地面遥控器和手持移动终端设备，确保图像采集的稳定性和高效性；并采用高接收灵敏度、低功耗的2.4GHz传输器设计图像传输设备，保证图像的有效传输范围和稳定性。软件方面运用六方向梯度决策法建立背景抑制模型，并引入一个加权函数，以此处理无人机航拍图像，消除复杂背景对小目标智能检测的影响，提高检测精度。针对背景抑制处理后的图像进行划分，并通过判定分析筛选出属于感兴趣区域的若干个子区域，再展开拼接处理得到图像感兴趣区域识别结果。结合UavdNet网络和CASA注意力机制，对感兴趣区域图像进一步分析，生成多尺度特征图像。利用融合后的Stem模块和ShuffleNet V2单元对YOLOv5骨干网络进行重构，建立基于深度学习的轻量化智能检测模型，将生成多尺度特征图像输入模型中进行学习，即可得出小目标检测结果。测试结果表明:系统输出的智能检测结果AP值大于0.9，可以实现对小目标的准确描述。
关键词：深度学习;轻量化网络;航拍图像;背景抑制;小目标检测;多尺度特征;
