一种高效准确的YOLO框架用于空对空无人机探测

《Neural Networks》：An Efficient and Accurate YOLO-Based Framework for Air-to-Air UAV Detection

　　

## 摘要

无人航空器（UAV）的鲁棒空对空（A2A）检测对低空空域安全至关重要。本文提出了一种轻量且高精度的基于YOLO的检测器以应对这一挑战。我们的框架整合了三个新颖模块：ASF-P（用于增强的多尺度特征融合）、AB-CGLU（用于注意力增强的特征表示）以及ADown（用于高效下采样）。该设计在保持紧凑架构的同时，有效解决了复杂背景下的小型UAV检测问题。在主要数据集上，我们的模型实现了最先进的性能，精确率为98.1%，召回率为84.4%，mAP@0.5为91.6%，mAP@0.5:0.95为57.1%，同时仅需203万个参数和4.7MB存储空间。其性能大幅超越YOLOv8n（例如mAP@0.5提升12.6%），并且在准确率上也超过了更重的YOLO变体。关键在于，在三个独立挑战性基准上进行跨数据集验证的三次重复实验，确认了其强大的泛化能力。本研究为实时A2A UAV感知提供了一种高效可靠的解决方案，具有在资源受限的自主航空平台上立即部署的潜力。

## 引言

近年来，无人机（UAV）在物流、环境监测、农业巡检、城市安防和空中交通管理等民用领域中的快速部署，导致低空空域环境日益拥挤和异构化（Asghari等，2025）。在此类场景中，UAV必须在实时感知周围动态空中目标的同时安全运行，特别是在涉及多UAV协同、城市空中交通（UAM）和自主避障的任务中（Wu等，2022）。在低空飞行条件下，由于复杂的环境结构，这一挑战更为突出，小型空中UAV目标难以检测却对可靠导航和避撞至关重要（Wang等，2022）。

根据观测视角和任务需求，UAV检测研究可大致分为地对空（G2A）和空对空（A2A）两种范式（Kaur等，2025）。其中，G2A检测是更为成熟的研究方向（Yasmeen和Daescu，2025）。它依赖于地面传感器（如固定摄像头、雷达或多光谱设备）从稳定的视角、以宽观测覆盖范围检测空中UAV目标。这种稳定的成像配置使G2A方法在低空监视、机场净空管理和城市空域规制等应用中非常有效（Huang等，2024）。得益于计算机视觉和深度学习的快速进步，基于图像的G2A方法在Anti-UAV等大规模公开基准上实现了高精度和鲁棒性（Wang等，2025）。

与G2A相对稳定的观测条件不同，空对空（A2A）UAV检测指的是以空中UAV作为观测平台，在动态航空环境中感知和识别其他UAV目标的任务。机载摄像头的持续运动导致视角不断变化、背景复杂、运动模糊以及严重的尺度变化，构成了极具挑战性的鲁棒性评估环境（Arsenos等，2024）。因此，目标在远距离处往往呈现为小尺寸、弱信号物体（Kwan和Larkin，2021），容易出现背景融合和遮挡。这些特征使得A2A检测从根本上比传统的G2A场景更具挑战性，并对鲁棒且低延迟的小目标检测提出了严格要求。

作为智能无人系统自主感知的重要组成部分，A2A UAV检测近年来在计算机视觉与飞行控制的交叉领域引起了越来越多的关注（Hashim，2025）。为应对这一挑战性任务，方法论演变已从传统视觉转向深度学习范式（Chen等，2020）。早期研究主要依赖于传统图像处理和特征匹配方法。例如，Zhou等人提出了一种基于背景减除和形态学操作的UAV识别方法，该方法在简单静态场景中表现尚可，但在复杂环境中表现不佳（Zhou和Jin，2016）。Wang等人利用HOG特征结合SVM分类器进行A2A目标检测，但该方法对目标旋转和尺度变化非常敏感（Wang等，2018）。随着深度学习的引入，通过网络架构设计、检测精度和边缘部署适配方面的进步，UAV检测取得了显著进展（Cai等，2024）。基于"你只看一眼"（YOLO）系列模型的改进已成为主流，因为它们兼顾了精度和实时性能之间的有利平衡。例如，Drone-YOLO集成了多层PAFPN和小目标检测头，在VisDrone数据集上实现了相较于YOLOv5的显著改进（Zhang，2023）。同时，基于Transformer的架构也被引入航空视觉任务中，以增强全局上下文建模（Khan等，2023；Zhou等，2024；Hendria等，2023）。

尽管取得了上述进展，但大多数现有方法主要是在G2A观测设置或一般航空图像条件下设计和验证的，在这些条件下成像视角相对稳定，背景干扰有限。这些假设在A2A场景中并不成立。因此，即使最先进的YOLO和基于Transformer的检测器在直接应用于A2A UAV检测任务时，也会出现明显的性能下降。此外，其计算成本往往与机载处理的严格效率要求相矛盾（Hamdi等，2025）。

A2A UAV检测的挑战可归纳为三个基本方面。第一，极端小目标特征：由于观测距离远，目标UAV往往仅占据几个像素，导致纹理微弱、边界模糊，容易被背景噪声淹没（Li等，2024；Tian等，2021；Xu等，2022）。第二，严重背景干扰：天空、山脉、地平线和城市结构等复杂背景呈现出相似纹理和低对比度，导致前景和背景特征分布之间的大量重叠（Zhang等，2021）。第三，严格的实时和部署约束：A2A检测系统通常部署在资源有限的空中平台上，计算效率、轻量设计和低延迟推理是必需的（Son等，2016；Suo等，2024；Liu等，2025）。

为解决这些问题，本研究提出了一种针对复杂A2A场景量身定制的高效准确的UAV检测框架。所提出的架构对基于YOLO的检测器的骨干网络、颈部和下采样阶段进行了针对性增强，以改善上下文建模、尺度感知特征融合和计算效率。本工作的主要贡献总结如下：

1. **面向A2A UAV的轻量且鲁棒的检测框架**：我们提出了一种高效的基于YOLO的架构，增强了上下文建模和多源特征集成，能够在杂乱背景下准确检测小型UAV目标，同时保持低计算成本。该框架直接应对了动态航空环境中检测弱信号和远距离目标的挑战。

2. **用于小目标表示的注意力增强跨门线性单元模块（AB-CGLU）**：为增强微小UAV目标的特征判别力，AB-CGLU将卷积编码与加性自注意力相结合，允许基于局部上下文进行自适应通道选择。该模块强化了弱视觉线索，提高了小目标检测精度，直接缓解了极端小目标的挑战。

3. **用于多尺度响应性的注意力引导尺度感知特征融合（ASF-P）**：ASF-P结合尺度序列特征融合、三重特征编码和通道-位置注意力，有效捕捉尺度变异的特征。通过在多尺度间融合信息并强调相关通道，ASF-P减少了误报，提高了对严重背景干扰的检测鲁棒性。

4. **用于资源受限平台高效推理的自适应下采样模块（ADown）**：ADown战略性地压缩空间维度，同时保留信息丰富的特征，减少计算开销，实现低延迟推理。该设计直接应对了A2A UAV检测系统中固有的实时性和部署约束。

本文其余部分组织如下：第2节介绍所提出模型的整体架构，详细说明每个核心模块的设计与集成。第3节描述实验设置、数据集细节和评估指标，并通过消融实验、对比实验和可视化结果提供全面分析。第4节讨论和总结本研究的发现。最后，第5节总结全文并展望未来研究方向。

## 模型概述

### YOLOv8架构概述

YOLOv8由Ultralytics于2023年推出（Terven和Cordova-Esparza，2023），标志着YOLO系列在实时物体检测方面的重要演进。它保留了经过验证的三阶段架构——骨干网络（Backbone）、颈部（Neck）和头部（Head），同时引入了关键改进以提升性能和效率。骨干网络是简化的卷积神经网络，用于提取层次化特征。颈部融合这些多尺度特征表示，以增强不同尺寸物体的检测能力。

### 实验设置

1. **硬件和软件**：所有实验均在一台配备NVIDIA GeForce RTX 4060 GPU（8GB显存）、Intel Core i7-12850HX CPU和16GB内存的工作站上完成。代码在Windows 11系统上使用Python 3.9、PyTorch 2.0和CUDA 11.8实现。

2. **训练配置**：我们使用随机梯度下降（SGD）优化器训练模型，初始学习率为0.01，动量为0.937，权重衰减为5×10??。输入图像被调整为640×640，训练过程为...

## 讨论

所提出的模型在A2A UAV检测中展现了卓越性能，为资源受限平台上的小目标检测提供了一种高效实用的解决方案。大量实验证实，该模型在检测精度与计算效率之间取得了极佳的平衡。

## 结论

本研究提出了一种高效轻量的基于YOLO的框架，专为A2A UAV检测而设计，有效应对了复杂背景下小目标的挑战。所提出的架构整合了三个关键模块：ASF-P用于增强的多尺度和小目标特征融合，AB-CGLU用于精细的上下文特征交互与选择，ADown用于高效下采样。它们共同显著提升了检测能力，同时保持了...

## CRediT作者贡献声明

吴日俊：审阅与编辑、项目管理、方法论、经费获取。滕祥龙：初稿撰写、软件、方法论、概念构思。杨春辉：验证、软件、数据整理。陈业盛：可视化、数据整理。张光昊：可视化、软件、数据整理。缪翔伟：审阅与编辑、方法论、调查、概念构思。王灿金：审阅与编辑、指导、方法论。

## 利益冲突声明

作者声明以下财务利益/个人关系，可能被视为潜在利益冲突：吴日俊报告获得了广西师范大学的经费支持。若有其他作者，他们声明没有已知可能影响本文所报告工作的竞争性财务利益或个人关系。

## 致谢

本研究部分由广西壮族自治区科技计划项目（编号AD23026273）、国家自然科学基金（批准号62105305）以及山西省科技合作项目（202404041101020）支持。特别感谢开源社区提供了优秀的工具和数据集，为本研究的顺利开展奠定了基础。

吴日俊 | 滕祥龙 | 杨春辉 | 陈业盛 | 张光昊 | 缪翔伟 | 王灿金