[1]田磊,王垚,谢成.面向无人机油气管道巡检的小目标检测方法[J].电子设计工程,2024,32(15)185-189.DOI:10.14022/j.issn1674-6236.2024.15.039.1. 研究目的当前情况油气管道长距离、环境复杂人工巡检效率低无人机巡检成为趋势。但无人机拍图像存在着目标尺寸小且差异大的问题传统目标检测算法难以兼顾精度与实时性。原文描述无人机航拍图像具有视场大、背景复杂、目标分布不均、尺寸变化大且小目标多等特点大幅增加了目标的检测难度。与此同时该技术 主要以R-CNN、Fast R-CNN 系列为代表的Two-Stage 算法和以 SSD、YOLO 系列为代表的 One Stage 算法组成。Two-Stage算法的准确率相对较高但实时性较差One-Stage算法的检测过程有着端到端的性能优势无需生成候选区域直接对目标位置和类别进行回归检测速度快但对小目标检测能力不足。2. 算法设计2.1 YOLOv5s算法原理YOLOv5s主要由输入端Input、主干网络 Backbone、颈部网络Neck和输出端Head组成。输入端主要是对输入的图像进行预处理利用随机缩放、裁剪、排布的方式对四张图像进行拼接丰富数据集并提升检测模型的泛化能力尤其是对于小目标的检测能力。自适应锚框计算对不同的数据集自适应计算最佳初始锚框的大小。自适应图像缩放是对输入图像自适应地添加尽可能少的黑边可以降低计算量提高目标检测速度。主干网络主要是通过深度卷积操作从图像中提 取不同的尺度特征由CBS结构、C3结构和SPPF结构组成。CBS结构CBS结构实际上就是一个由“卷积层 批归一化层 SiLU激活函数”三者组合而成的标准模块。C3结构它借鉴了CSPNet的思想在保证网络深度的同时显著减少了计算量并增强了特征的学习能力。SPPFSPPF的作用是让网络能够处理任意大小的输入图像并增强其对不同尺寸目标的特征提取能力。2.2 YOLOv5s改进2.2.1 C3模块改进1. 坐标信息嵌入对尺度大小为C×H×W的输入特征图使用不同 尺寸的池化核在水平和垂直两个方向上进行全局 平均池化得到C×H×1与C×1×W规格的特征图。H、 W分别是输入特征图的高度和宽度。这样做的目的是在避免全局池化信息丢失的前提下同时捕捉空间位置信息坐标和远程依赖关系长距离特征。2. 坐标注意力生成。首先将第一步得到的两个方向的特征向量进行拼接Concat形成一个包含全局位置信息的组合特征。然后使用一个1×1 的卷积变换函数和非线性激活函数对这个组合特征进行处理得到一个中间特征图。接下来将中间特征图 f沿着空间维度分解重新拆分为两个独立的特征张量fh对应垂直方向和 fw对应水平方向。最后加权输出。2.2.2 SPPF模块改进将SPPF模块通过CSP结构进行优化改进使用 多次卷积和金字塔池化组合形成SPPFCSPC模块。首先对输入特征图进行三次卷积运算然后 使用内核大小为5×5的最大池化连续执行三次将 所得结果与池化前的卷积结果进行拼接接着进 行两次卷积运算将得到的结果与输入特征图进 行拼接操作最后再进行一次卷积运算获得最终 的特征图。SPPFCSPC模块可以在保持特征图大 小不变的同时获得更丰富的多尺度目标特征信 息达到增加网络的感受野、提升对小目标检测能 力的目的。2.2.3 DIoU-NMS非极大值抑制构建传统NMS的工作原理首先对所有检测框按置信度排序选取得分最高的框作为基准然后计算其他框与这个基准框的IoU交并比如果IoU超过设定的阈值就认为这两个框检测的是同一个目标并将其中得分较低的框抑制删除。但传统NMS存在问题传统NMS仅依赖于IoU这一个指标。当两个目标距离很近、相互遮挡或重叠时它们的检测框之间IoU值会非常高。这时传统NMS就很容易把其中一个目标的正确检测框当成另一个目标的“冗余框”而错误地抑制掉从而导致漏检。故DIoU-NMS非极大值抑制构建的创新点在于引入中心点距离。在判断是否要抑制一个框时不再只看IoU而是同时考虑两个检测框中心点之间的距离。3. 实验结果3.1 消融实验各改进均带来精度提升尤其SPPFCPSC对mAP提升最明显0.006。速度略有下降2.4→2.9ms但仍满足实时性要求。4. YOLOv5s和YOLOv9s的不同与论文无关YOLOv5s是追求工程效率与易用性的成熟经典而YOLOv9s则是一次回归深度学习本质的架构革新核心在于解决深度网络训练中的信息瓶颈和梯度流失问题。4.1 网络架构YOLOv5s采用经典的CSPDarknet53结构通过跨阶段局部网络CSPNet在减少计算量的同时保证特征复用。而YOLOv9s则引入了全新的GELAN广义高效层聚合网络架构它允许用户根据任务灵活组合不同的计算模块在参数效率上更为极致。4.2 核心算法YOLOv5s主要通过Mosaic数据增强、自适应锚框、FPNPAN特征金字塔等工程技巧提升性能。YOLOv9s最具突破性的创新是PGI可编程梯度信息它通过引入辅助分支确保网络在深层训练中也能获取清晰的梯度信号来更新权重从而让模型无需依赖ImageNet等大型数据集的预训练就能从头训练出高性能模型。总的来说如果你的项目强调部署的便捷性、推理速度和成熟稳定的生态YOLOv5s依然是极具性价比的可靠选择。而如果追求更高的检测精度特别是在处理复杂背景或小目标时同时具备从头训练模型的能力与资源那么YOLOv9s会是更先进的方案。
