电子测量技术

作者：付羿焱，孙传猛，孔祥年，李勇，靳鸿

单位：1.中北大学极限环境光电动态测试技术与仪器全国重点实验室 太原 030051;2.中北大学电气与控制 工程学院 太原 030051;3.重庆大学煤矿灾害动力学与控制全国重点实验室 重庆 400044

关键词：无人机;前端目标辨识与定位;非局部注意力;多尺度解耦;轻量化

基金：煤与煤层气共采全国重点实验室开放基金（2024KF30）、重庆大学煤矿灾害动力学与控制全国重点实验室开放基金（2011DA105287-FW202408）、复杂恶劣环境下履带式车辆主动轮实车扭矩信息获取方法开放基金（202403021211076）、国家自然科学基金青年科学基金（62401521）、仪器科学与动态测试教育部重点实验室开放基金（JYBSYSKFJJ319002）项目资助

针对复杂战场环境和有限机载资源，导致无人机作战时前端目标辨识定位难以兼顾准确性与实时性的问题，构建了一种针对无人机作战复杂战场环境下前端目标辨识定位方法：以“backbone-neck-head”为基本网络架构，引入非局部注意力扩展模块、全局多尺度解耦网络以及轻量化瓶颈模块，并以Focal Loss和DIoU Loss为综合损失函数，实现特征建模和多尺度检测增强，以提升对特征的捕捉能力，从而提升准确性；基于依赖图结构化剪枝与通道智能蒸馏，提出一种协同的轻量化策略，从而有效降低了模型复杂度并提升嵌入式可部署性。相关实验表明，本文方法在mAP@0.5、mAP@0.75和mAP@0.5:0.95分别提升了6.0%、7.2%和5.9%，模型参数量与GFLOPs分别降至17.1%与12.0%，精度损失控制在4.1%以内。最后在嵌入式硬件平台上的部署验证显示，推理帧率达到了34 fps，能够较好地满足无人机作战时前端目标辨识与定位的准确度与实时性的需求。

来源：2026年第4期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第4期