基于智能视觉检测与语义分析的反无人机实时预警系统

摘要

针对低空安防领域中无人机“黑飞”“乱飞”等安全威胁以及复杂环境下实时精准预警的技术难题，本文提出一种融合YOLOv10目标检测算法与GLM-4V多模态大模型的无人机入侵实时预警系统．系统硬件由高灵敏度光电探测设备与主控计算机构成，软件集成客户端交互平台与多模态数据处理模块．在算法层面，通过YOLOv10实现无人机目标的快速定位，结合SORT算法完成动态轨迹追踪；创新性地设计基于GLM-4V的语义化描述生成框架，引入结构化Prompt模板将检测结果（目标位置、信息及背景环境）实时转化为可压缩文本描述，显著降低了通信受限场景下的信息传输负载．实验结果表明，在无人机最远距离1km、最大飞行速度23 m/s的极限条件下，目标识别准确率达97.6%．该系统通过“视觉检测-语义分析-动态传输”的技术闭环，有效地解决了复杂环境下无人机入侵事件实时预警难题，为低空安防领域提供了高鲁棒性解决方案．

关键词

反无人机 / YOLO / GLM-4V / 预警系统

基金资助

国家自然科学基金（62201621）; 湖北省自然科学基金指导性计划项目（2025AFC071）;湖北省自然科学基金创新群体项目（2024AFA030）; 中央高校基本科研业务费项目（CZQ24001）