首页|改进YOLOv5s的机场鸟类目标检测算法

改进YOLOv5s的机场鸟类目标检测算法

扫码查看
原文链接
  • 万方数据
  • 维普
随着人类经济社会的快速发展及生态环境的不断改善,在新机场不断地建设、各种飞行器数量与飞行频率不断增加的同时,鸟类数量也在不断地增加,于是机、鸟二者间产生了激烈的空间竞争关系,并因此而导致了鸟击事件的上升问题.面对严峻的鸟击风险防范形势,传统方法通常会在使用一段时间后就会失去原有的效果,主要原因是鸟类惯性适应症的问题.为了解决上述问题,设计了一种基于物联网的机场驱鸟联动系统,并在该系统上提出了基于改进YOLOv5s的机场鸟类目标检测算法,以提高驱鸟设备的使用效果.由于捕捉用的摄像头位置是固定的,飞鸟则是在不同高度飞行,目标不仅尺度变化较大,而且密集目标出现运动模糊问题,为此改进的算法在YOLOv5基础上加入ODConv全维动态卷积以提升网络在区域覆盖范围大的图像中找到感兴趣的区域.此外,算法中还改进了输出端预测头以提高群体目标中小目标的检测精度.实验结果表明,算法相较于YOLOv5s精确率提升了约4.6％,召回率提升约3.9％,实现了在满足检测速度要求的同时有效地提高了对飞鸟的检测精度.
Airport bird target detection algorithm based on improved YOLOv5s

刘玉芬、陈裕通、刘晓琳

展开 >

广州城市理工学院,广州 510800

广州民航职业技术学院,广州 510006

中国民航大学,天津 300300

鸟击 鸟类检测 YOLOv5 ODConv

广东省普通高等学校特色创新项目广东省教育科研项目广东省科技创新战略专项

2021KTSCX1952021GXJKPDJH2023B0796

2024

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(3)
  • 19