摘要

本文针对无人机红外视角下的目标检测任务，构建并评估了一套基于YOLO26架构的深度学习检测系统。研究旨在解决红外图像中目标特征模糊、背景复杂及小目标检测困难等问题。实验使用了包含“汽车”、“忽略区域”、“其他车辆”及“行人”四类目标的红外数据集，共计11,198张图像。训练结果显示，模型在验证集上取得了0.900的mailto:mAP@0.5优异成绩。其中，“汽车”类检测精度高达0.979，“行人”与“其他车辆”亦表现稳健。整体系统展现了极高的实时性与鲁棒性，证明了YOLO26架构在无人机红外侦察与监控领域的有效性与应用潜力。

目录

  摘要

详细功能展示视频

功能模块

1、用户管理模块

2、界面与交互模块

3、检测源管理模块

4、检测参数配置模块

5、YOLO检测核心模块

6、结果显示模块

7、结果保存模块

8、工具栏功能

9、辅助功能

10、数据校验模块

引言

背景

无人机红外成像的特殊性

深度学习在红外检测中的演进

数据集介绍

类别定义

数据规模与划分

训练结果

核心指标概览：整体表现优秀​编辑

曲线分析：精度与召回的权衡

混淆矩阵：主要错误来源​编辑​编辑

训练过程分析​编辑

Ultralytics YOLO26

概述

主要功能

常用标注工具

详细功能展示视频

---

功能模块

✅ 用户登录注册：支持密码检测，密码加密。

注册

登录

✅ 图片检测：可对图片进行检测，返回检测框及类别信息。

✅ 参数实时调节（置信度和IoU阈值）

✅ 支持选择检测目标：可以选择一个或者多个类目的目标进行检测

✅ 视频检测：支持视频文件输入，检测视频中每一帧的情况。

✅ 摄像头实时检测：连接USB 摄像头，实现实时监测。

✅日志记录：日志标签页记录操作和错误信息，带时间戳

✅结果保存模块：支持图片/视频/摄像头检测结果保存

1、用户管理模块

功能	描述
用户注册	用户名、密码、确认密码、邮箱（选填）注册，密码SHA256加密存储
用户登录	用户名密码验证，自动跳转主界面
用户数据存储	JSON文件存储用户信息（密码加密、注册时间、邮箱）
登录状态	主界面显示当前登录用户名

2、界面与交互模块

功能	描述
玻璃效果界面	半透明毛玻璃背景，圆角边框，现代化视觉风格
无边框窗口	自定义标题栏，支持窗口拖动、最小化、最大化、关闭
响应式布局	主窗口三栏布局（左侧控制区、中央显示区、右侧信息区）
状态栏	显示设备信息、模型状态、当前用户、实时时间

3、检测源管理模块

功能	描述
图片检测	支持JPG/JPEG/PNG/BMP格式图片载入
视频检测	支持MP4/AVI/MOV/MKV格式视频载入
摄像头检测	实时调用摄像头（默认ID 0）进行检测
检测源切换	下拉菜单切换三种检测模式，自动更新界面状态

4、检测参数配置模块

功能	描述
置信度阈值	滑动条调节（0-100%，步长1%），实时显示当前值
IoU阈值	滑动条调节（0-100%，步长1%），实时显示当前值
类别选择	动态生成检测类别复选框，支持全选/取消全选
参数同步	参数实时同步到检测器核心

5、YOLO检测核心模块

功能	描述
模型加载	加载best.pt模型文件，自动检测GPU可用性，支持CPU/GPU切换
多模式检测	图片检测、视频检测、摄像头实时检测
检测线程	基于QThread的多线程处理，避免界面卡顿
检测结果	返回目标类别、置信度、边界框坐标
FPS计算	实时计算处理帧率
进度反馈	视频处理进度条实时更新

6、结果显示模块

功能	描述
实时画面	中央区域显示检测结果图像（带标注框）
统计信息	检测状态、目标数量、FPS、处理帧数实时更新
检测列表	右侧列表显示当前帧所有检测到的目标（类别+置信度）
日志记录	日志标签页记录操作和错误信息，带时间戳
占位显示	未选择检测源时显示系统LOGO和提示文字

7、结果保存模块

功能	描述
保存开关	复选框控制是否保存检测结果
路径选择	自定义保存路径，支持图片/视频格式自动识别
自动命名	保存文件自动添加时间戳（detection_result_20240101_120000.jpg）
视频保存	支持检测结果视频录制（MP4格式）
手动保存	工具栏保存按钮可随时保存当前画面
保存反馈	保存成功弹窗提示，日志记录保存路径

8、工具栏功能

功能	描述
图片按钮	快速切换到图片检测模式并打开文件选择器
视频按钮	快速切换到视频检测模式并打开文件选择器
摄像头按钮	快速切换到摄像头检测模式
保存按钮	手动保存当前显示画面

9、辅助功能

功能	描述
错误处理	统一错误弹窗提示，日志记录错误详情
资源清理	检测停止时自动释放摄像头、视频文件、视频写入器资源
时间显示	状态栏实时显示系统时间
模型状态	状态栏显示模型加载状态和当前设备（CPU/GPU）

10、数据校验模块

功能	描述
注册验证	用户名长度≥3，密码长度≥6，密码一致性检查，邮箱格式验证
协议确认	注册前需勾选同意用户协议
文件校验	模型文件存在性检查，文件大小验证（≥6MB）
输入非空	登录/注册时必填项非空检查

引言

随着无人机技术的飞速发展，其在军事侦察、边境巡逻、灾害救援及交通监控等领域的应用日益广泛。红外成像技术凭借其不受光照条件限制、抗干扰能力强以及能够穿透烟雾等特性，成为无人机视觉系统的核心组件。然而，无人机视角下的红外图像具有目标尺度变化大、纹理信息缺失、热交叉效应显著等特点，给传统计算机视觉算法带来了巨大挑战。

近年来，基于深度学习的目标检测算法，特别是以YOLO为代表的单阶段检测器，因其兼顾检测精度与推理速度，逐渐成为该领域的主流解决方案。本研究基于YOLO算法，针对特定的红外数据集进行定制化训练与优化，旨在构建一套高效、精准的无人机红外目标识别系统。本文将详细阐述数据集的构成、模型的训练策略以及最终的评估结果，重点分析各类别（特别是汽车与行人）的检测性能及混淆情况，为后续的算法改进提供实证依据。

背景

无人机红外成像的特殊性

与可见光图像不同，红外图像记录的是物体表面的热辐射分布。在无人机高空俯视的视角下，这种成像方式呈现出独特的挑战：

• 缺乏纹理与颜色信息：红外图像通常为单通道灰度图，无法利用颜色特征进行区分，且目标表面纹理细节极少，导致特征提取难度增加。
• 热交叉与背景干扰：当目标温度与环境背景温度接近时（如正午暴晒后的路面与车辆），目标极易融入背景，产生“热交叉”现象，导致对比度极低。此外，城市环境中的热源（如空调外机、烟囱）极易产生虚警。
• 小目标与尺度剧变：无人机作业高度通常在几十米至数百米之间，导致地面目标在图像中仅占据极少像素（有时仅为3x3或5x5像素）。同时，无人机飞行高度的动态变化使得同一类目标在图像中的尺度差异巨大，这对检测算法的多尺度特征融合能力提出了极高要求。

深度学习在红外检测中的演进

早期的红外目标检测主要依赖人工设计的特征（如局部对比度、显著性检测）结合分类器（如SVM、Adaboost）。然而，这些方法在复杂背景下泛化能力较差。随着卷积神经网络的发展，两阶段算法（如Faster R-CNN）率先在精度上取得突破，但其计算量大、速度慢，难以满足无人机边缘计算设备的实时性要求。

YOLO系列算法通过回归思想将目标检测转化为单一的推理过程，极大地提升了检测速度。特别是YOLOv5及后续版本，引入了Focus结构、CSPDarknet主干网络及PANet特征金字塔，显著增强了对小目标的检测能力。目前，如何针对红外图像特性改进YOLO架构（如引入注意力机制、优化损失函数）已成为学术界的研究热点。

数据集介绍

为了训练并验证所提出的检测系统，本研究使用了一个专门针对无人机视角采集的红外数据集。

类别定义

数据集共包含4个类别，具体定义如下：

• Car：包含常见的轿车、SUV等小型乘用车辆。
• DontCare：标注为“忽略”的区域。通常指距离过远、成像极小或因遮挡严重而难以辨认的目标。在训练评估中，此类目标通常不计入正样本惩罚，但在推理时需特别处理以降低误检。
• OtherVehicle：除轿车外的其他车辆，如卡车、公交车、工程车辆等，通常体积较大，热源特征更丰富。
• Person：行人目标，是红外检测中最具挑战性的类别之一，因其热特征易受衣物和环境温度影响。

数据规模与划分

数据集总计包含11,198张高分辨率红外图像，按照科学机器学习实验的标准比例进行了严格划分：

表格

数据集划分	图像数量	占比	用途
训练集	10,128 张	~90.4%	用于模型参数学习与特征提取
验证集	715 张	~6.4%	用于超参数调整、训练过程监控及模型选择
测试集	355 张	~3.2%	用于最终评估模型的泛化能力与推理性能

训练结果

核心指标概览：整体表现优秀

模型的整体性能如下：

• mAP@50: 0.900（90%）。这是一个非常高的分数，说明在IoU阈值为0.5时，模型能非常准确地检测并分类目标。
• mAP@50-95: 0.567（56.7%）。这个指标更严格（涵盖了从0.5到0.95的不同IoU阈值），0.567的得分表明模型在精确定位目标框方面表现良好，但在极高精度要求下仍有提升空间。
• 各类别表现差异：
  • 汽车: mAP@50高达 0.979，表现完美。
  • 行人: mAP@50为 0.914，表现优秀。
  • 其他车辆: mAP@50为 0.917，表现优秀。
  • 忽略: mAP@50仅为 0.791。

曲线分析：精度与召回的权衡

• PR曲线 (Precision-Recall Curve)：
  • “汽车”类的曲线几乎贴近右上角，说明其精度和召回率都极高。
  • “忽略”类的曲线面积明显较小，且呈现阶梯状下降，说明该类别的检测稳定性较差，随着召回率提升，精度下降较快。
• F1-Confidence曲线：
  • 所有类别的最佳F1分数都在0.8以上，说明模型在平衡查准率和查全率方面做得不错。
  • 最佳置信度阈值（Confidence Threshold）大约在 0.519 左右（all classes 0.86 at 0.519），建议在实际部署时将推理阈值设定在0.5附近。
• Recall-Confidence曲线：
  • 随着置信度阈值提高，召回率下降。注意“忽略”类的召回率下降得最快，说明这类目标很难获得高置信度的预测。

混淆矩阵：主要错误来源

混淆矩阵揭示了模型具体的“犯错”模式：

• 背景误检（False Positive）：
  • 行人列中，background -> 行人 的数值为 263，且归一化后占比 0.09 (9%)。这意味着背景中有不少区域被误判为了行人，这是主要的误检来源。
  • 汽车列中，background -> 汽车 的误检较少，说明模型对汽车的特征提取非常精准。
• 类别混淆：
  • 存在少量的 汽车 被误判为 其他车辆（217例），以及 其他车辆 被误判为 行人（214例）。这在红外图像中很常见，因为不同车辆的热辐射特征可能相似。

训练过程分析

• 损失函数 (Loss)：
  • train/box_loss、train/cls_loss 和 train/dfl_loss 均呈现平滑下降趋势，且验证集损失（val_loss）也随之下降，没有明显的过拟合迹象（验证损失没有反弹）。
  • metrics/mAP50(B) 曲线稳步上升并在后期趋于平稳，说明模型已经收敛。

Ultralytics YOLO26

概述

Ultralytics  YOLO26 是 YOLO 系列实时对象检测器的最新演进，从头开始专为边缘和低功耗设备而设计。它引入了简化的设计，消除了不必要的复杂性，同时集成了有针对性的创新，以实现更快、更轻、更易于访问的部署。

YOLO26 的架构遵循三个核心原则：

• 简洁性: YOLO26是一个原生的端到端模型，直接生成预测结果，无需非极大值抑制（NMS）。通过消除这一后处理步骤，推理变得更快、更轻量，并且更容易部署到实际系统中。这种突破性方法最初由清华大学的王傲在YOLOv10中开创，并在YOLO26中得到了进一步发展。
• 部署效率： 端到端设计消除了管道的整个阶段，从而大大简化了集成，减少了延迟，并使部署在各种环境中更加稳健。
• 训练创新：YOLO26 引入了MuSGD 优化器，它是SGD 和MUON的混合体——灵感来源于 Moonshot AI 在 LLM 训练中Kimi K2的突破。该优化器带来了增强的稳定性和更快的收敛，将语言模型中的优化进展转移到计算机视觉领域。
• 任务特定优化：YOLO26 针对专业任务引入了有针对性的改进，包括用于 Segmentation 的语义分割损失和多尺度原型模块，用于高精度 姿势估计 的残差对数似然估计 (RLE)，以及通过角度损失优化解码以解决 旋转框检测 中的边界问题。

这些创新共同提供了一个模型系列，该模型系列在小对象上实现了更高的精度，提供了无缝部署，并且在 CPU 上的运行速度提高了 43% — 使 YOLO26 成为迄今为止资源受限环境中最实用和可部署的 YOLO 模型之一。

主要功能

• DFL 移除
  分布式焦点损失（DFL）模块虽然有效，但常常使导出复杂化并限制了硬件兼容性。YOLO26 完全移除了 DFL，简化了推理过程，并拓宽了对边缘和低功耗设备的支持。

• 端到端无NMS推理
  与依赖NMS作为独立后处理步骤的传统检测器不同，YOLO26是原生端到端的。预测结果直接生成，减少了延迟，并使集成到生产系统更快、更轻量、更可靠。

• ProgLoss + STAL
  改进的损失函数提高了检测精度，在小目标识别方面有显著改进，这是物联网、机器人、航空影像和其他边缘应用的关键要求。

• MuSGD Optimizer
  一种新型混合优化器，结合了SGD和Muon。灵感来自 Moonshot AI 的Kimi K2，MuSGD 将 LLM 训练中的先进优化方法引入计算机视觉，从而实现更稳定的训练和更快的收敛。

• CPU推理速度提升高达43%
  YOLO26专为边缘计算优化，提供显著更快的CPU推理，确保在没有GPU的设备上实现实时性能。

• 实例分割增强
  引入语义分割损失以改善模型收敛，以及升级的原型模块，该模块利用多尺度信息以获得卓越的掩膜质量。

• 精确姿势估计
  集​成残差对数似然估计​(RLE)，以实现更精确的关键点定位，并优化解码过程以提高推理速度。

• 优化旋转框检测解码
  引入专门的角度损失以提高方形物体的检测精度，并优化旋转框检测解码以解决边界不连续性问题。

常用标注工具

假设您现在准备好进行标注。有几种开源工具可以帮助简化数据标注流程。以下是一些有用的开放标注工具：

Label Studio：一个灵活的工具，支持各种标注任务，并包含用于管理项目和质量控制的功能。 CVAT：一个强大的工具，支持各种标注格式和可定制的工作流程，使其适用于复杂的项目。 Labelme：一个简单易用的工具，可以快速标注带有多边形的图像，非常适合简单的任务。 LabelImg: 一款易于使用的图形图像标注工具，特别适合以 YOLO 格式创建边界框标注。

这些开源工具经济实惠，并提供一系列功能来满足不同的标注需求。

界面核心代码：

详细功能展示视频