摘要
لمعالجة مشاكل اختلاف مقاييس العيوب الكبيرة في اكتشاف الطرق عبر الطائرات بدون طيار، ومشاكل التشويش الخلفي القوي وتعقيد نماذج الكشف، يقترح هذا البحث نموذج كشف محسن يعتمد على YOLOv11n تحت اسم WADW-YOLO. أولاً، في الشبكة الرئيسية، تم اقتراح وحدة التلافيف الموزونة C3k2-WC، والتي تحقق وزنًا مكانيًا لنواة التلافيف من خلال مصفوفة وزن تعزيز المركز المعرفة مسبقًا، مما يقلل من عدد معلمات النموذج ويركز على استخراج ميزات مناطق العيوب؛ ثانيًا، تم استخدام وحدة أخذ العينات السفلية الخفيفة ADown لتحسين الاحتفاظ بتفاصيل العيوب، وفي نهاية الشبكة الرئيسية تم إدخال آلية الانتباه القابلة للتشوه DAttention، التي تضبط مجال الاستقبال بشكل تكيفي لالتقاط المعلومات العالمية والمحلية؛ أخيرًا، تم تصميم دالة الخسارة Wise-ShapeIoU التي تجمع بين آلية التركيز غير الأحادي لـ Wise-IoU وقيود الشكل الهندسي لـ ShapeIoU لتحسين أداء الكشف. حقق WADW-YOLO قيمة mAP@0.5 على مجموعة البيانات المفتوحة China_Drone بنسبة 74.6٪، بزيادة 3.8٪ مقارنة بـ YOLOv11n، مع تقليل معلمات النموذج بنسبة 17.8٪ والعمليات الحسابية بنسبة 23.8٪، مما يحقق توازنًا فعالًا بين دقة الكشف وخفة النموذج. كما حقق WADW-YOLO على مجموعة بيانات China_MotorBike زيادة بمقدار 1.8٪ في mAP@0.5 مقارنة بـ YOLOv11n، مظهراً أداءً تعميماً بارزاً. يقدم هذا البحث مرجعًا تقنيًا لحلول نشر منخفضة الطاقة وعالية الدقة للكشف عن عيوب الطرق باستخدام الطائرات بدون طيار.
关键词
الطائرات بدون طيار;عيوب الطرق;YOLOv11n;WADW-YOLO;خفيف
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website