[1]田磊,王垚,谢成.面向无人机油气管道巡检的小目标检测方法[J].电子设计工程,2024,32(15)185-189.DOI:10.14022/j.issn1674-6236.2024.15.039.

1. 研究目的

        当前情况油气管道长距离、环境复杂，人工巡检效率低，无人机巡检成为趋势。但无人机拍图像存在着目标尺寸小且差异大的问题，传统目标检测算法难以兼顾精度与实时性。（原文描述：无人机航拍图像具有视场大、背景复杂、目标分布不均、尺寸变化大且小目标多等特点，大幅增加了目标的检测难度。）

        与此同时，该技术 主要以R-CNN、Fast R-CNN 系列为代表的Two-Stage 算法和以 SSD、YOLO 系列为代表的 One Stage 算法组成。Two-Stage算法的准确率相对较高，但实时性较差；One-Stage算法的检测过程有着端到端的性能优势，无需生成候选区域，直接对目标位置和类别进行回归，检测速度快，但对小目标检测能力不足。

2. 算法设计

        2.1 YOLOv5s算法原理

                

        YOLOv5s主要由输入端（Input）、主干网络 （Backbone）、颈部网络（Neck）和输出端（Head）组成。

        输入端主要是对输入的图像进行预处理，利用随机缩放、裁剪、排布的方式对四张图像进行拼接，丰富数据集并提升检测模型的泛化能力，尤其是对于小目标的检测能力。自适应锚框计算，对不同的数据集自适应计算最佳初始锚框的大小。自适应图像缩放是对输入图像自适应地添加尽可能少的黑边，可以降低计算量，提高目标检测速度。

        主干网络主要是通过深度卷积操作从图像中提 取不同的尺度特征，由CBS结构、C3结构和SPPF结构组成。

        CBS结构：CBS结构实际上就是一个由“卷积层 + 批归一化层 + SiLU激活函数”三者组合而成的标准模块。

        C3结构：它借鉴了CSPNet的思想，在保证网络深度的同时，显著减少了计算量，并增强了特征的学习能力。

                        

        SPPF：SPPF的作用是让网络能够处理任意大小的输入图像，并增强其对不同尺寸目标的特征提取能力。

        2.2 YOLOv5s改进

                2.2.1 C3模块改进      

             1. 坐标信息嵌入 对尺度大小为C×H×W的输入特征图使用不同 尺寸的池化核，在水平和垂直两个方向上进行全局 平均池化，得到C×H×1与C×1×W规格的特征图。H、 W分别是输入特征图的高度和宽度。这样做的目的是在避免全局池化信息丢失的前提下，同时捕捉空间位置信息（坐标）和远程依赖关系（长距离特征）。

             2. 坐标注意力生成。首先将第一步得到的两个方向的特征向量进行拼接（Concat），形成一个包含全局位置信息的组合特征。然后，使用一个 1×1 的卷积变换函数 和非线性激活函数 对这个组合特征进行处理，得到一个中间特征图。

                接下来，将中间特征图 f沿着空间维度分解，重新拆分为两个独立的特征张量：fh（对应垂直方向）和 fw（对应水平方向）。

                最后加权输出。

                2.2.2  SPPF模块改进

                将SPPF模块通过CSP结构进行优化改进，使用 多次卷积和金字塔池化组合形成SPPFCSPC模块。

                首先，对输入特征图进行三次卷积运算，然后 使用内核大小为5×5的最大池化连续执行三次，将 所得结果与池化前的卷积结果进行拼接；接着进 行两次卷积运算，将得到的结果与输入特征图进 行拼接操作；最后再进行一次卷积运算，获得最终 的特征图。SPPFCSPC模块可以在保持特征图大 小不变的同时获得更丰富的多尺度目标特征信 息，达到增加网络的感受野、提升对小目标检测能 力的目的。

                2.2.3 DIoU-NMS非极大值抑制构建

        传统NMS的工作原理：首先对所有检测框按置信度排序，选取得分最高的框作为基准；然后计算其他框与这个基准框的IoU（交并比），如果IoU超过设定的阈值，就认为这两个框检测的是同一个目标，并将其中得分较低的框抑制（删除）。

        但传统NMS存在问题：传统NMS仅依赖于IoU这一个指标。当两个目标距离很近、相互遮挡或重叠时，它们的检测框之间IoU值会非常高。这时，传统NMS就很容易把其中一个目标的正确检测框，当成另一个目标的“冗余框”而错误地抑制掉，从而导致漏检。

        故DIoU-NMS非极大值抑制构建的创新点在于引入中心点距离。                                                                               

        在判断是否要抑制一个框时，不再只看IoU，而是同时考虑两个检测框中心点之间的距离。

3. 实验结果

        3.1 消融实验

                

• 各改进均带来精度提升，尤其SPPFCPSC对mAP提升最明显（+0.006）。

• 速度略有下降（2.4→2.9ms），但仍满足实时性要求。

  4. YOLOv5s和YOLOv9s的不同（与论文无关）

        YOLOv5s是追求工程效率与易用性的成熟经典，而YOLOv9s则是一次回归深度学习本质的架构革新，核心在于解决深度网络训练中的信息瓶颈和梯度流失问题。

        4.1 网络架构

        YOLOv5s采用经典的CSPDarknet53结构，通过跨阶段局部网络（CSPNet）在减少计算量的同时保证特征复用。而YOLOv9s则引入了全新的GELAN（广义高效层聚合网络）架构，它允许用户根据任务灵活组合不同的计算模块，在参数效率上更为极致。

        4.2 核心算法

        YOLOv5s主要通过Mosaic数据增强、自适应锚框、FPN+PAN特征金字塔等工程技巧提升性能。YOLOv9s最具突破性的创新是PGI（可编程梯度信息），它通过引入辅助分支，确保网络在深层训练中也能获取清晰的梯度信号来更新权重，从而让模型无需依赖ImageNet等大型数据集的预训练，就能从头训练出高性能模型。

        总的来说，如果你的项目强调部署的便捷性、推理速度和成熟稳定的生态，YOLOv5s依然是极具性价比的可靠选择。而如果追求更高的检测精度，特别是在处理复杂背景或小目标时，同时具备从头训练模型的能力与资源，那么YOLOv9s会是更先进的方案。