轻量YOLOv8模型

雾天检测精度更高

面向资源受限无人机平台的轻量级目标检测模型，通过软阈值策略与HSV增强在恶劣天气下保持高精度。

Zhang, Xiao Yu · Yang, Xuan · 穆朝絮 · DIng, Zhenhuan · Hui, Wang · Guo, Peiqian

IEEE Transactions on Consumer Electronics 2025

技术优势

模型更轻

轻量化架构使得在无人机有限算力上运行成为可能。

抗噪声干扰

软阈值策略抑制噪声，提升在雾、低能见度等恶劣环境下的检测精度。

环境适应性强

HSV增强模拟复杂环境，提高模型对真实世界变化的鲁棒性。

精度更高

多尺度域自适应损失函数提升 mAP，检测更准确。

应用场景

• 低空巡检：在无人机巡检中，用轻量模型实现雾天等恶劣环境下的实时目标检测。
• 边缘计算：模型足够轻，能部署在算力受限的边缘设备上运行。
• 智能电网感知：为智能电网巡检提供高精度、高帧率的视觉感知能力。
• 工业视觉：在工业视觉中，用更低的计算开销实现更高精度的检测。
• 具身智能：为具身智能体提供轻量、鲁棒、高精度的环境感知模块。