YOLO-DRONE 模型概述
无人机低空巡检场景的核心痛点在于能否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 系列模型存在小目标漏检严重、抗扰动能力弱、实时性不足等问题,难以满足工业级巡检落地要求。
技术背景
清华大学团队提出的 YOLO-DRONE 模型在 2026 年 CVPR 大会上入选口头报告(Oral),成为低空巡检领域唯一入选的单阶段检测模型。该模型专为无人机低空巡检设计,创新融合自适应尺度感知头(ASPH)与风速补偿特征对齐模块,旨在解决小目标漏检、抗扰动差、实时性不足三大痛点。
实测数据
在 UAV-DT 无人机巡检专用数据集上,YOLO-DRONE 的小目标召回率提升显著,同时支持 1080p@45FPS 实时处理。目前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。


