基于YOLOv7的机场跑道异物检测算法

机场跑道异物对航班安全起降构成极大威胁,准确及时地检测并清除机场跑道异物是机场安全工作的重点。针对机场跑道异物检测任务中的小目标检测精确度与实时性,提出一种基于YOLOv7的机场跑道异物检测算法。首先在主干网络引入CBAM模块,从空间注意力与和通道注意力两方面专注小目标特征信息提取;其次在加强特征提取网络结合AFPN思想提出SA-PANet结构,将相邻有效特征层进行渐进式特征融合,缓解有效特征层之间的语义差距;然后在加强特征提取网络的PANet结构下采样支路中引入BiFormer模块,聚焦小目标特征信息的进一步融合提取;最后在边界框定位损失函数计算过程中引入MPDIoU Loss,加速模型收敛并提升机场跑道异物检测准确率与定位精度。在机场跑道异物图像数据集上实验表明,改进后算法mAP 50为98.76%,较改进前算法提升9.09个百分点。与其他针对机场跑道异物检测的算法相比,改进后算法具有更高的检测精度同时将模型参数量与模型计算量增幅控制在可接受范围内,达到机场跑道异物检测任务的准确、快速需求。