热成像无人机扫雷新招！5855张标注图+双高度测试，YOLO和RT-DETR谁更强？
UAV Thermal Imagery for Inert Ordnance Screening: Multi Campaign Dataset Development,Object Detection, and Practical Recommendations
📖 AI 总结
该研究针对未爆弹药（UXO）污染区域的安全筛查问题，构建了多期无人机热成像数据集，并评估了自动化目标检测模型的可行性。研究在田纳西州开展了四次野外采集，涵盖夏季与冬季条件，目标物置于草地、砾石、 mulch、岩石等多种地表环境中，飞行高度分别为33米和15米。最终数据集包含5,855对热成像标签，其中918张为正样本图像。基于该数据，研究训练并评估了YOLOv11l和RT-DETR-R50两种检测模型。实践建议包括：同时采集热成像与RGB图像、纳入多样化地表及纯背景图像、关注太阳辐射变化时段、平衡航测覆盖范围与目标像素尺寸、使用本地代表性数据校准模型，并保留人工复核环节。该方法的定位是作为后续技术调查或爆炸物处置评估的初步筛查工具，而非独立的清排手段。
🔑 关键词速览
| Unexploded ordnance (UXO) | 未爆炸弹药，指在冲突或训练中未引爆但仍具有危险性的弹药。 |
| Thermal imagery | 热成像，通过检测物体发出的红外辐射生成图像，用于识别温度差异。 |
| YOLOV11l | 一种基于YOLO系列的目标检测模型，版本11的大规模变体，用于实时物体识别。 |
| RT-DETR-R50 | 一种基于Transformer的实时目标检测模型，使用ResNet-50作为骨干网络。 |
| Humanitarian mine action | 人道主义排雷行动，旨在清除地雷和未爆炸弹药以减少平民伤亡并恢复土地可用性。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅