文章详情

摘要

针对YOLOv11在小目标检测中存在精度下降的问题，文章提出了一种改进的检测算法SSG-YOLO。该算法在YOLOv11n的基础上，设计了新的多尺度高分辨率检测头结构以增强小目标感知能力；引入无参数注意力机制SimAM，强化模型空间响应能力；并引入SIoU损失函数优化边界框回归效果。实验基于VisDrone数据集展开，在模型轻量化的同时提升小目标检测精度。然而，SIoU损失函数在本任务中表现不佳，导致模型整体性能下降，说明其对小目标定位存在负面影响。最终模型在精度与速度之间取得良好平衡。在自制的数据集DW上进行训练验证，实验表明，改进后的模型在VisDrone数据集上mAP50提升1.7%，同时保持轻量化特性，适用于小目标检测及电力物资等目标识别场景。

关键词

SSG-YOLO；YOLOv11；检测头；SimAM；小目标检测；电力物资识别

参考文献

1. [1] REDMON J，DIVVALA S，GIRSHICK R，et al. You Only Look Once: Unified, Real-time Object Detection [C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Las Vegas：IEEE，2016：779-788.
2. [2] 于承峄，高松，王鹏伟，等.改进的YOLOv11智能车辆动态环境目标检测算法 [J].电子测量技术，2025，48（21）：55-66.
3. [3] 高佳杰，司亚超.基于YOLOv8的无人机图像目标检测算法 [J].河北建筑工程学院学报，2024，42（4）：241-249.
4. [4] 方少峰，邹自明，胡晓彦.基于深度学习的低纬F区电离层场向不规则体事件识别 [J].数据与计算发展前沿（中英文），2024，6（4）：128-138.
5. [5] 赵子艺，张德育，徐双成.基于改进YOLOv8的铁路异物检测算法 [J].沈阳理工大学学报，2025，44（3）：32-38，46.
6. [6] 田昌锐，廖薇，徐震.改进YOLOv5s的堆叠医疗器械检测算法 [J].中国医学物理学杂志，2025，42（2）：220-226.
7. [7] GAO J B，GUO Y X，GAO G W. Sim-ConvFormer: A Lightweight Fault Diagnosis Framework Incorporating SimAM and External Attention [J/OL].The Journal of Supercomputing，2025，81（4）：603（2025-03-11）.https://doi.org/10.1007/s11227-025-07075-3.
8. [8] DU D，ZHU P，WEN L，et al. VisDrone-DET2019: The Vision Meets Drone Object Detection in Image Challenge Results [C]//Proceedings of the IEEE/CVF international conference on computer vision workshops. Seoul：IEEE，2019：227-235.
9. [9] 刘思诚，李嘉琛，邓皓，等.基于YOLOv5改进的小目标检测算法 [J].兵工自动化，2022，41（12）：78-82，94.
10. [10] MO H，WU J W，XIA H，et al. A Lightweight, Efficient, Adaptive Design of YOLOv5 for Enhanced SAR Ship Detection [J].Remote Sensing Letters，2025，16（5）：549-559.
11. [11] GANESH B R，GEETHA T S，NIRUBAN R. Adaptive YOLOv6 With Spatial Transformer Networks for Accurate Object Detection and Multi-Angle Classification in Remote Sensing Images [J].Expert Systems With Applications，2025，282：127796.
12. [12] CHEN W，LU J Y，PEI T T，et al.YOLOv8-AFA: A Photovoltaic Module Fault Detection Method based on Multi-scale Feature Fusion [J].Energy Sources, Part A: Recovery, Utilization, and Environmental Effects，2025，47（1）：657-676.
13. [13] 方晓捷，严李强，张福豪，等.基于改进YOLOX＿Nano的番茄叶片病害识别研究 [J].安徽农业科学，2025，53（6）：238-242.
14. [14] TAN M，PANG R，LE Q V. Efficientdet: Scalable and Efficient Object Detection [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Seattle：IEEE，2020：10781-10790.
15. [15] 杜昌皓，张智.改进FCOS算法的车辆检测方法研究 [J].计算机应用与软件，2024，41（6）：257-262，281.

基金项目

重点研发计划项目高端装备专项（2025ZD201）

作者简介

常宏（1979—），男，汉族，江苏泰州人，高级经济师，学士，研究方向：绿色供应链、智慧仓储、图像处理；倪华豪（1975—），男，汉族，江苏启东人，高级工程师，学士，研究方向：绿色供应链、数据分析；李何爽（1990—），女，汉族，江苏靖江人，高级工程师，学士，研究方向：绿色供应链、智慧仓储；蔡振宇（1994—），男，汉族，湖南株洲人，助理研究员，硕士，研究方向：深度学习、图像处理。