YOLO-DRONE：无人机低空巡检模型实测与电力部署解析

背景与挑战

无人机低空巡检场景的核心痛点在于适配复杂飞行工况下的实战需求。无论是电力巡检中的导线断股、绝缘子破损，还是安防巡检中的人员遗留、设备异常，这些目标往往尺寸极小，且受风速扰动导致画面模糊、目标尺度动态变化。传统 YOLO 系列模型要么小目标漏检严重，要么抗扰动能力弱，要么实时性不足，无法满足工业级巡检的落地要求。

模型介绍

YOLO-DRONE 模型由清华大学团队提出，专为无人机低空巡检设计的多尺度动态感知模型。其创新性地融合了自适应尺度感知头（ASPH）与风速补偿特征对齐模块，彻底解决了传统模型'小目标漏检、抗扰动差、实时性不足'三大痛点。

实测数据与部署

在 UAV-DT 无人机巡检专用数据集上，小目标召回率直接提升 39%，同时支持 1080p@45FPS 实时处理。目前该模型已正式部署于国内某省级电力巡检系统，实现输电线路的自动化巡检落地。