基于改进YOLOv5s的四旋翼自主降落标识检测算法

来源：计算机测量与控制杂志2023年第6期北京时间：

作者：李晓轩,甄子洋,刘彪,梁永勋,黄祎闻

单位：南京航空航天大学 自动化学院

摘要：无人机自主降落是无人机领域研究的热点之一，导航信息在自主降落过程中又起到至关重要的作用，而视觉导航相较于传统导航方式可以提供更多环境信息，有利于提高无人机着陆安全性。当无人机飞行高度越高，机载相机捕获到的降落标识物就越小，为了提升无人机识别标识物的能力，基于YOLOv5s算法提出了一种改进的无人机实时小目标检测算法。首先，为了检测到更小尺度的目标在原算法基础上新增一个检测头；然后采用BiFPN代替原先PANet结构，提升不同尺度的检测效果；最后将EIoU Loss替换CIoU Loss作为算法的损失函数，在提高边界框回归速率的同时提高模型整体性能。将改进算法应用于无人机自主降落场景下的二维码降落标识检测，实验结果表明改进后的算法在小目标检测中相比于原始YOLOv5s算法的特征提取能力更强、检测精度更高，证明了改进算法的优越性。

关键词：无人机;小目标检测;YOLOv5s;BiFPN;EIoU Loss;嵌入式平台

基金资助：南京航空航天大学前瞻布局科研专项(1003-ILA22064)；航空科学基金(No.20180511001)。