多尺度特征融合的机场跑道异物检测与识别算法

作者：郭晓静; 邹松林

来源：计算机工程与应用, 2023, 1-7.

• 机场跑道异物
• 目标检测
• 空间注意力
• 特征融合

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，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，平均精度达到94.7%，相比与YOLOv5提高5.9%，也超越了YOLOv6、YOLOv7以及Faster R-CNN，从而验证了改进后方法在机场跑道异物检测领域有较好的应用价值。

• 单位
  自动化学院; 中国民航大学