在复杂视觉测量条件下基于无人机的车辆检测的可靠性评估

《Measurement》：Reliability-Oriented evaluation of UAV-Based vehicle detection under complex visual measurement conditions

　　•YOLOv26x的精确度为0.9065，召回率为0.7250，mAP50-95值为0.7021。•自助采样用于量化与固定测试集组成相关的差异。•小型目标、烟雾和杂乱物仍是导致检测失败的主要因素。•两级分类法用于梳理代表性错误和视觉因素。•可靠性评估仅限于所指定的图像数据集和实验流程。引言随着低空遥感平台及智能感知技术的发展，无人机影像已成为物体定位、区域监测和应急观测的重要数据来源。与固定或地面成像平台相比，无人机具备更灵活的视角和空间覆盖能力，但这些优势并不能保证始终能获得稳定的目标检测结果。成像距离和视角的变化会改变目标的表观尺寸和形状，而光照变化、烟雾或部分遮挡、运动模糊以及背景杂乱等因素则会削弱目标的辨识特征。这些因素可能导致漏检、误检和定位误差，因此需要通过多方面的指标来综合评估性能。复杂的户外视觉环境进一步加剧了这一挑战。目标物体可能出现在开阔地带、道路边缘、森林过渡区、照明条件较差的场景、受烟雾或灰尘影响的区域，以及视觉上较为杂乱的城区。遮挡、背景融合、目标运动、平台运动以及图像质量下降都会降低目标的显著性。在这种环境下，检测系统需要识别出目标物体的轮廓和局部结构，同时抑制外观相似的背景元素。此处将这一问题视为一种视觉测量可靠性问题：其目标是描述在特定干扰条件下的性能表现及失效边界，而非推断在未观察到的实际应用环境中的性能[29]、[50]、[28]。近年来，深度学习技术，尤其是卷积神经网络和单阶段检测框架，提升了检测精度与推理效率之间的平衡。YOLO系列模型因其端到端的架构和高效的推理能力，被广泛应用于遥感物体检测、交通场景识别、安全监控以及无人机视觉感知领域（Gheorghe等人，2024年；Jiao和Abdullah，2024年；Koay等人，2021年；Liu等人，2020年；Yan和Zhang，2025年）。然而，现有的基准测试结果并不能直接反映在尺度、可见度、视角和背景复杂度共同变化时的可靠性。因此，基于可靠性的评估需要明确的实验边界、对不确定性的考量，以及对失效机制的分析。在复杂视觉条件下进行基于无人机的目标检测至少面临三大挑战。首先，观测几何条件和图像分辨率的变化会导致目标尺寸出现显著差异，远处的目标尤其容易出现边界模糊和定位不稳定的问题[60]、[46]、[7]。其次，道路、建筑阴影、植被边缘、停车场设施以及裸露的地面都可能呈现出与车辆类似的局部特征，从而增加误检概率[19]、Munir等人，2024年；[7]、[63]。第三，低光照、烟雾、遮挡以及运动带来的图像质量下降会降低对比度，消除有助于识别的纹理信息，进而增加漏检率。这些因素都表明，需要将综合指标与特定场景下的误差联系起来进行评估。近期在遥感及相关密集预测任务中的研究进一步证明了在复杂背景下，保持边界清晰、利用多尺度上下文信息以及实现细节与语义信息的协同作用的重要性。Xie等人[56]将基于边缘的定位方法与全局亲和力建模相结合，用于光学遥感影像中显著目标的检测；而Xie等人[55]则通过多尺度上下文关联和深度监督下的特征融合，实现了航空影像中的滑坡识别。在其他视觉应用领域，Song等人[41]研究了详细特征与语义特征在密集深度预测中的选择性协作机制，Song等人[42]则结合感受野增强、动态采样以及空间通道注意力机制，解决了背景干扰下的裂缝检测问题。尽管这些研究针对不同的预测任务，无法直接作为无人机目标检测的性能对比依据，但它们从方法论层面证明了在视觉质量下降或场景复杂的情况下，上下文建模、边界感知表示以及跨尺度特征协同具有重要的应用价值。基于上述考虑，本研究通过构建数据集、训练模型、定量评估、典型场景分析以及误差分析，对复杂视觉测量条件下的无人机目标检测进行了评估。研究采用了多源数据集，以涵盖更广泛的目标尺寸、视角、光照条件及背景类型。YOLOv26x被选作以精度为导向的检测模型，对于单类“车辆”目标，研究人员通过精确度、召回率、F1值、mAP@0.5以及mAP@0.5:0.95等指标进行评估，同时通过可视化方式分析典型的成功检测案例和失败案例。这些评估结果有助于确定在当前数据划分和实验配置下的性能边界。本研究并未提出新的检测架构，也不声称YOLOv26x具有普遍的优越性。其贡献在于针对不同视觉干扰条件，对特定检测模型进行了以应用和可靠性为导向的评估，分析了在考虑采样相关变异及已记录的失效案例后，综合性能是否依然具有参考价值。研究结论仅限于当前的图像数据集、数据划分方案、决策设置以及桌面实验环境，不能用于证明实际飞行环境、时间维度、嵌入式平台或操作系统层面的可靠性。本研究要解答的核心问题是：在复杂背景、夜间环境、视角变化、烟雾干扰以及能见度降低的情况下，所评估的YOLOv26x模型在检测车辆目标时表现出怎样的性能及失效边界？为回答这一问题，本研究开展了数据集构建、模型训练、定量评估、典型场景分析以及常见误差分析等工作。研究成果主要有三点：首先，本研究构建了一个多源图像数据集，并明确了其数据来源及对应场景，便于评估各种复杂的视觉条件；其次，研究在特定的数据划分和配置下，使用多种检测与定位指标对指定的单类“车辆”检测模型进行了评估；最后，研究记录了在不同场景下的检测成功案例与失败案例，并明确了当前实验结果与校准、重复性测试、实际飞行测试以及部署应用相关的评估标准之间的区别，后者还需要进一步的验证。模型算法的选择与介绍YOLOv26是Ultralytics公司推出的一代新型实时视觉模型，该模型经过专门优化，可适用于边缘设备及低功耗应用场景。不过，本研究选择YOLOv26x并非仅仅因为其最新发布，也并非认为较新的模型就必然具有普遍的领先优势。模型的选择主要是基于其与基于无人机的实时视觉测量方法之间的兼容性，以及能否满足研究需求。数据集的构建与标注本研究使用的数据集主要来自两类来源：一类是从公开互联网平台下载的开放图像数据，图4展示了其中的部分示例；另一类则是从游戏场景中获取的图像数据，图5展示了相关示例。在对这两类数据源的图像进行统一筛选、整理并标准化格式后，原始的目标检测数据集在数据增强处理前共有9,764张图像。基于损失函数变化的模型收敛性分析在本研究中，训练过程中的Box_Loss、Cls_Loss和Dfl_Loss被选作模型收敛性分析的评估指标。其中，Box_Loss用于衡量预测的边界框与真实边界框之间的定位误差，其表达式为Lbox=1-IoU+ρ2(b,bgt)c2+αv；Cls_Lloss用于描述预测的类别分布与真实标签之间的偏差，本质上属于交叉熵损失函数。针对其他无人机视角样本的定性评估为了补充定量测试集评估的结果，本研究还选取了一些未被用于模型训练或测试的图像，用于进行定性案例分析。这些图像展示了检测系统在多种无人机视角下的响应情况，包括静态空中视角、夜间场景、视角变化以及受烟雾影响的区域。由于这些额外样本并非作为统计分层的外部基准数据集而构建，因此其分析结果仅用于定性分析。评估边界与研究局限性当前的数据集涵盖了多种图像层面的视觉因素，包括目标尺寸变化、视角变化、低光照条件、复杂背景、烟雾或部分遮挡以及目标之间的邻近关系。然而，关于实际飞行高度的元数据、地面采样距离、连续的机载视频记录、平台运动数据、系统的天气与传感器参数，以及经过控制的实际飞行验证数据，要么缺失，要么描述不够详尽。因此，本研究仅能基于图像信息对目标进行检测分析。结论本研究在包含真实场景图像和游戏生成图像的多源数据集上，对YOLOv26x单类“车辆”检测模型进行了评估。在规定的数据划分和训练配置下，该检测模型的最终精确度、召回率、F1值、mAP@0.5以及mAP@0.5:0.95值分别为0.9065、0.7250、0.8056、0.8013和0.7021。这些结果为所评估的数据和配置提供了性能参考基准，但并不能证明该模型具有普遍的优越性。CRediT作者贡献说明马建华：项目管理、研究工作。周永章：写作——审稿与编辑、写作——初稿撰写、方法设计。何璐豪：写作——初稿撰写、可视化处理、形式化分析。赵一超：写作——审稿与编辑、资源协调。刘国庆：写作——初稿撰写、软件相关工作。姜彩萍：研究工作。资金支持本研究得到了中国国家重点研发计划（项目编号2022YFF0801201）、广西重点领域研发计划（项目编号AB24010156）、国家自然科学基金（项目编号U1911202）以及广东省重点领域研发计划（项目编号2020B1111370001）的资助。未引用参考文献[1]、[2]、[10]、[11]、[13]、[17]、[18]、[21]、[23]、[24]、[25]、[30]、[31]、[32]、[33]、[34]、[36]、[37]、[43]、[44]、[45]、[47]、[48]、[49]、[51]、[54]、[57]、[59]、[61]、[62]、[64]、[65]、[66]。利益冲突声明作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。致谢我们衷心感谢审稿人提供的宝贵反馈和富有洞察力的建议，这些意见极大地提升了本稿的质量。同时，我们也感谢编辑团队对本文的精心处理。本研究还得到了中国国家重点研发计划（项目编号2022YFF0801201）、广西重点领域研发计划（项目编号AB24010156）、国家自然科学基金的资助。马建华|周永章|何璐豪|赵一超|刘国庆|姜彩萍