电子测量技术

作者：费春国，陈世洪

单位：中国民航大学电子信息与自动化学院 天津 300300

关键词：YOLOv8;机场跑道异物（FOD）;目标检测;深度学习

为了解决YOLOv8在检测机场跑道异物时由于某些异物体积较小、空间位置随机及异物间尺度差距大而引起的漏检误检问题，本文对YOLOv8进行改进，提出应用先验掩膜的针对小目标的AMMS-YOLOv8。首先在主干网络中，引入各向同性边缘检测算子并构建EIEStim，增强模型的小边缘感知及预处理能力。同时替换下采样，将改进后的接受场注意力应用在检测领域，构建LDFDS，增强空间感知并保护微小语义信息；其次重构Neck层结构，允许多尺度特征聚合，构建出CCFPN以增强模型对多尺度异物的语义感知；最后向检测头中嵌入先验异物掩膜特征，并将其与深度特征级联形成了MSN-Head，以强化模型空间感知力。使用自建的复杂场景异物数据集对模型检测能力进行验证分析，在该数据集上AMMS-YOLOv8的mAP50及mAP50.95分别提升了1.8%及1.7%，准确率、召回率、F1函数分别达到了0.971、0.976和0.973，相比原网络有很大提升。实验结果验证了改进方法的有效性，同时应用向复杂场景异物数据集中加入FOD-A的混合数据集和复杂输电线路异物数据集对AMMS-YOLOv8做了泛化性及鲁棒性对比实验，经实验表明各项指标均有提升。

来源：2026年第2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2期