-
题名改进YOLOv8算法的机场外来物检测研究
- 1
-
-
作者
郭九霞
李金润
王义龙
李静远
唐锐
-
机构
中国民用航空飞行学院空中交通管理学院
中国民用航空飞行学院招生处
民航局运行监控中心飞行计划处
-
出处
《舰船电子工程》
2025年第3期119-125,共7页
-
基金
国家自然科学基金项目(编号:72201268)
四川省自然科学基金项目(编号:U2333207)
+3 种基金
四川省社会科学基金项目(编号:SCJJ23ND186)
中央高校基本科研业务费专项资金(编号:PHD2023-041)
民航教育人才类项目(编号:MHJY2023010)
中央高校教育教学改革专项资金(编号:E2024024)资助。
-
文摘
为解决机场外来物检测方法存在检测稳定性差、漏检的问题,论文使用YOLOv8算法进行改进。首先,使用动态卷积ODConv,通过引入可学习的形变模块,动态调整卷积核的形状、大小及通道维度,优化卷积过程并专注于机场外来物的形状大小和尺度变化,实现对图像特征信息的高效提取;其次,设计了C2f_DAConv模块,降低了算法的参数量;然后,在PANet网络架构的基础上,融合主干网络的P2特征层,并将PANet网络架构更改为BiFPN,该网络实现了底层细节特征信息和高层语义特征信息的高效融合,减少了外来物目标特征的信息丢失;最后,为解决预测框与目标框之间的定位误差问题,更改损失函数为Inner SIoU,优化了算法的计算过程,加快了算法训练的收敛速度,同时提升了算法的检测精度。实验结果表明,改进的算法相比原YOLOv8算法,其参数量降低了35.5%,平均精度均值(mAP)达到97.3%,提升了2.0%,召回率(Re-call)为95.5%,提升了5.2%;对比分析F1曲线、P-R曲线和Recall曲线,表明改进的算法在检测稳定性方面有显著提升,能有效解决机场外来物的漏检问题。
-
关键词
改进YOLOv8算法
FOD检测
动态卷积
机场安全
-
Keywords
improved YOLOv8 algorithm
FOD detection
dynamic convolution
airport safety
-
分类号
X949
[环境科学与工程—安全科学]
V351.11
[航空宇航科学与技术—人机与环境工程]
-
