激光与红外

作者：刘子玉

单位：1.北京信息科技大学 高动态导航技术北京市重点实验室,北京 100192；2.北京宏大和创防务技术研究院有限公司,北京 100048；

关键词：植被环境;未爆弹目标;机载探测;YOLOv5;红外特征

基金：国家重点研发计划项目(No.2020YFC1511702)；高动态导航技术北京市重点实验室项目；“慧眼行动”创新成果转化应用项目(XXX新型多模智能探测系统)资助。

针对无人机在多种植被环境下检测地面未爆弹的光学精度低、误检率高等问题,提出了一种基于未爆弹红外特征的YOLOv5未爆弹检测方法。首先对采集到的未爆弹目标数据进行重建,然后引入ECA注意力机制以提高识别精度；同时引入ASPP空洞空间金字塔池化以提高识别效率,并使用CIoU_NMS作为预测框筛选依据。实验证明,在多组不同植被环境的鸟瞰UXO目标红外数据集上,SAE YOLOv5算法相较于原YOLOv5算法模型,在UXO目标方面精确率由83提高至87,平均精度均值从836提升至85。该算法在文中所述的四种复杂背景下都能有效检测UXO目标,并且漏警率低。

来源：2025年第2期

《激光与红外》期刊编辑部

查看激光与红外杂志2025年第2期