多尺度特征融合的机场跑道异物检测与识别算法

来源：计算机工程与应用杂志2024年第16期北京时间：

作者：郭晓静, 邹松林

单位：1.中国民航大学 工程技术训练中心，天津 300300；2.中国民航大学 电子信息与自动化学院，天津 300300

摘要：机场跑道异物对飞机起飞降落存在着致命威胁，而人工巡检异物的方式成本高，效率低，因此将深度学习检测算法用于机场跑道异物检测是必要的。针对异物尺寸大小不一、特征提取难度大而导致的漏检与定位不准问题，提出一种基于多尺度特征融合的机场跑道异物检测与识别算法。以多尺度特征提取与融合为切入点，提出多分支空间注意力，加强对异物的特征提取，同时能够关注不同尺寸大小的异物。采用BiFPN网络进行特征融合，能够高效融合不同尺度的特征信息。实验结果表明，改进后算法平均精度达到94.7%，相比于YOLOv5提高5.9个百分点，也超越了YOLOv6、YOLOv7以及Faster R-CNN，从而验证了该算法在机场跑道异物检测领域有较好的应用价值。

关键词：机场跑道异物,目标检测,空间注意力,特征融合