机场飞行区域空域入侵物视觉检测

牛国臣，吕志浩

（中国民航大学 机器人研究所，天津 300300） 

摘要：针对机场飞行区鸟类、无人机等空域入侵物存在目标尺寸微小、运动轨迹复杂多变、背景噪声干扰强烈，且需在远距离实现实时精准检测的技术难题，本文提出基于RT-DETR框架的三模融合空域检测网络(ACE-AirDETR)。通过三大核心模块实现性能突破：利用跨尺度边缘信息增强(CSEIE)模块强化目标轮廓细节，生成高区分度特征，从而显著改善小目标运动模糊导致的检测精度下降问题；引入高效加法注意力机制(EAA)优化计算效率，以提升模型实时性与可部署性；提出上下文引导的空间特征重建金字塔(CSRFPN)模块，增强对复杂背景下小目标的特征表达能力，从而有效降低误检与漏检率。为验证方法在特定场景下的有效性，本文构建了类机场环境空域入侵物ABD数据集。实验结果表明：相较RT-DETR算法，ACE-AirDETR在AP50和AP50-95指标上分别提高3.2和1.5百分点，帧率提升11.8%，同时计算量和参数量分别降低20.7%和27.3%，并实现检测精度、速度与模型轻量化的协同优化。

关键词：机场空域入侵物，小目标检测，RT-DETR，特征增强，三模融合   

扫二维码浏览全文  

Cite this article

Niu, G., Lü, Z. Vision-Based Detection for Aerial Intruders in Airport Flight Areas. J. Shanghai Jiaotong Univ. (Sci.) (2026). https://doi.org/10.1007/s12204-026-2900-6