YOLO-DRONE：无人机低空巡检模型优化与小目标检测提升

背景与挑战

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。

YOLO-DRONE 模型介绍

清华大学团队提出的YOLO-DRONE模型专为无人机低空巡检设计，融合自适应尺度感知头（ASPH）与风速补偿特征对齐模块。该模型在UAV-DT无人机巡检专用数据集上，小目标召回率提升39%，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。