胡辰鑫1. 项目背景与核心挑战
去年夏天在山区做植被普查时，我带着大疆M300RTK飞了十几个架次，回来整理数据时发现一个头疼的问题——那些藏在树冠间隙的病虫害区域，在200米高空拍摄的画面里往往只有几十个像素大小。用标准YOLOv5跑出来的结果，要么漏检要么误报，最后不得不人工复查，效率低得让人抓狂。
这种"无人机视角下小目标检测"的痛点，在农业巡检、电力巡线、边境监控等领域普遍存在。传统检测算法面对高空拍摄的小目标（通常指32×32像素以下物体）时，主要面临三大难题：
- 特征提取瓶颈：小目标在卷积过程中容易丢失有效特征，经过几次下采样后可能只剩1-2个像素
- 背景干扰严重：高空拍摄时地面纹理复杂，电线上的绝缘子可能和树叶颜色相近
- 样本分布不均：数据集中小目标占比往往不足10%，模型容易偏向大中目标检测
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 算法改进策略实测对比
2.1 骨干网络增强方案
在Mosaic数据增强的基础上，我们对比了三种主流YOLO版本的基础改进方案：
| 改进点 | YOLOv5s基线 | +BiFPN | +ASFF | +注意力机制 |
|---|---|---|---|---|
| 参数量(M) | 7.2 | 8.1 | 7.8 | 7.5 |
| 推理速度(FPS) | 142 | 128 | 135 | 138 |
| 小目标AP@0.5 | 0.63 | 0.68 | 0.71 | 0.75 |
实测发现YOLOv8的C2f模块配合CBAM注意力机制效果最佳。具体实现时需要注意：
python复制class CBAMC2f(nn.Module):
def __init__(self, c1, c2, n=1, shortcut=False, g=1, e=0.5):
super().__init__()
self.c = int(c2 * e)
self.cv1 = Conv(c1, 2*self.c, 1, 1)