无人机公路日常巡检多目标识别算法研究

马涛; 田梅鹃; 王志鹏; 董嘉智; 朱俊清

doi:10.14048/j.issn.1671-2579.2026.01.025

中外公路 ›› 2026, Vol. 46 ›› Issue (01) : 229 -239. DOI: 10.14048/j.issn.1671-2579.2026.01.025

无人机公路日常巡检多目标识别算法研究

马涛, 田梅鹃, 王志鹏, 董嘉智, 朱俊清

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对无人机公路日常巡检任务中检测目标小、背景复杂、计算量大导致的检测精度不足、实时性差等问题，该文提出一种基于YOLOv11n改进的无人机公路日常巡检算法YOLOv11-UR。该算法将MLCA注意力机制加入主干网络，融合通道与空间维度信息，整合局部与全局感受野，有效增强特征表达能力。在仅增加少量参数的前提下，实现了检测精度的显著提升。在Neck部引入GSConv替换标准卷积，使卷积计算的输出尽可能接近标准卷积的同时，降低计算成本；引入VoVGSCSP替换C3k2，降低模型参数量和计算复杂度的同时增强特征提取能力。试验结果表明：YOLOv11-UR算法在无人机公路日常巡检方面具有显著优势，在未损失过多推理速度的情况下，有效减少了模型的参数量与计算开销，且模型检测精确率（Precision,R_P）和平均精度均值(Mean Average Precision,m_AP)分别达到78.26%和73.34%。改进算法兼顾检测精度与推理效率，能够更好地满足无人机公路日常巡检需求。