无人机（Unmanned Aerial Vehicle, UAV）部署灵活、响应迅速，近年在军事与民用领域的使用量持续增长；和地面固定监控设备相比，无人机在探测范围、机动能力与任务响应速度上优势突出，可在复杂地形中高效完成侦察、巡检与搜救，而随着平台向小型化、长航时和智能化方向演进，为其搭载视觉感知载荷来实现自主目标检测，已成为技术升级的重要方向之一。近年来，依托低空空域资源，低空经济呈现快速发展态势，无人机已广泛应用于数据采集、物流配送、应急救援、活动监测和智慧农业等多个领域；与此同时，复杂低空障碍场环境下无人机的实时航迹规划亦成为智能无人系统领域的前沿方向，对机载感知算法的实时性与环境适应性提出了更高要求。
围绕“如何构建一个面向红外热成像场景的无人机视角目标检测系统”这一核心命题，确立了“算法研究+系统集成”的双层研究框架：算法层面两条技术路线同步推进：单模态改进路线集中在增强红外图像自身的特征表示质量上，多模态融合路线则关注可见光通道与红外通道之间互补信息的挖掘利用，两条路线于实验中保持互为参照、交叉印证的关系，最后汇聚成完整的算法方案；系统层面则承接算法层的产出，将训练好的各模型以插件化方式集成到一个搭载图形用户界面的检测原型系统中，使得“数据加载→模型推理→结果可视化”的完整操作流得以在一个统一的软件环境中连贯执行。算法与系统的紧密结合使研究成果既具有学术价值，揭示不同检测架构和改进策略在红外场景下的性能表现规律；也具有工程价值，为实际无人机红外检测应用的开发提供可直接参考的设计方案和代码实现。
围绕无人机视角红外热成像场景下的目标检测任务，从算法改进和系统开发两个层面展开研究工作。主要研究内容包括：（1）单主干网络目标检测算法对比与改进。基于HIT-UAV红外热成像数据集，系统对比DETR、YOLO26和Faster R-CNN三种代表性目标检测模型在无人机红外场景下的性能表现，在选定的最优基础模型上，引入CBAM和CA注意力模块进行针对性改进，通过消融实验验证各改进模块的有效性。（2）双主干网络多模态目标检测方案研究。基于DroneVehicle多模态数据集，分别设计双主干网络单模态增强方案和双模态融合方案，对比分析两种方案在融合可见光与红外模态信息方面的效果差异。（3）红外目标检测原型系统设计与开发。基于PyQt5框架开发具有图形用户界面的检测原型系统，集成单主干网络和双主干网络两种检测模式，实现图像输入、模型选择、检测推理、结果可视化、性能指标统计等完整功能链。
创新性工作体现在四个维度。其一，围绕无人机红外目标检测这一具体应用场景，选取HIT-UAV作为统一评测数据集，把当前主流的三种检测范式，Transformer架构、单阶段无锚框架构与两阶段Anchor-Based架构）置于相同的实验条件下进行横向性能对比，以此填补了三类范式在红外场景下缺少系统性参照的空白；其二，在YOLO26的改进方案中设计了一种CBAM与CA协同工作的注意力增强策略：在骨干网络阶段嵌入CA模块来捕获空间方向维度上的长程依赖，在颈部网络层部署CBAM模块以在通道与空间两个维度同步进行特征重标定，两组注意力模块分布在不同层级、执行不同功能、产生互补增益，由此对红外目标的多层次特征实现了逐级增强；其三，在双主干网络架构中将上述注意力增强机制与跨模态特征融合操作进行了深度整合，注意力模块的输出可以直接馈入后续的融合环节，使增强与融合两步构成端到端的统一流程；其四，将前三项算法研究成果统一封装到了一套功能完整的红外目标检测原型系统中。
评论