合成数据驱动的无人机检测与分类多任务框架

张靖凯，李新德，魏王子超，王紫瑶，马轲

（东南大学 自动化学院，南京210096） 

摘要：随着无人机技术的快速发展，对智能检测、识别及性能参数推断技术的需求日益迫切。然而，现有的无人机数据集生成方法面临诸多严峻挑战，包括高昂的采集成本、劳动密集型标注以及数据稀缺。目前也缺乏能够从单张图像直接预测功能性能的方法。本文提出了一个基于合成数据的多任务无人机检测分类网络。构建了一个基于Unreal Engine 5的自适应数据集生成系统，结合无人机尺寸分类、自适应距离调整算法以及增强的 3D 到 2D 坐标变换技术，以实现高质量的合成数据自动化生成。设计了一个多任务学习网络，集成视觉信息、距离信息及不确定性量化模块，并支持无人机检测、参数预测、功能分类和尺寸预测的功能。实验结果表明：合成数据与真实数据之间具有高度的相似性（Fréchet初始距离为21.05），且参数预测在最大速度和高度方面的平均绝对百分比误差分别达到 29.1% 和 27.0%，军事-民用分类准确率达到62.5%。该方法为智能无人机分析提供了一种低成本、高效的解决方案，具有相当大的应用价值。

关键词：无人机，合成数据集生成，多任务学习，参数预测，不确定性量化

扫二维码浏览全文  

Cite this article

Zhang, J., Li, X., Wei-Wang, Z. et al. Synthetic Data-Driven Multi-Task Framework for UAV Detection and Classification. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2903-3