改进YOLOv5的机场跑道异物目标检测算法

摘要：

针对机场跑道异物(foreign object debris,FOD)在图像中目标占比小,特征不明显,经常导致误检、漏检的问题,提出一种改进YOLOv5的FOD目标检测算法.改进多尺度融合与检测部分,融合高分辨率特征图增强小目标特征表达,移除大目标检测层以减少网络推理计算量;引入轻量高效的卷积注意力模块(CBAM),从空间与通道两个维度提升模型关注目标特征的能力;在特征融合阶段采用RepVGG模块,提高模型特征融合能力的同时提高了检测精度;采用SIoU Loss作为损失函数,提升了边框回归的速度与精度.在自制FOD数据集上进行对比实验,结果表明:该方法在满足实时性的条件下,实现了95.01％的mAP50、55.79％的mAP50:95,比原算法YOLOv5分别提高了2.78、3.28个百分点,有效解决了传统FOD检测误检、漏检问题,同时与主流目标检测算法相比,提出的改进算法更适用于FOD检测任务.

关键词：机场跑道异物、YOLOv5、CBAM注意力模块、RepVGG模块

所属期刊栏目：59

分类号：TP391.41;TP183(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;湖南省重点研发计划项目;湖南省自然科学基金项目;湖南省教育厅科学研究项目

在线出版日期：2023-02-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：202-211