SpectraSentinel：轻量级双流实时无人机检测、跟踪与有效载荷识别
计算机视觉与模式识别
2025-07-31 v1
摘要
民用空中航空器的快速增长引发了迫切的安全担忧，亟需构建稳健的实时监视系统。为响应 2025 年 VIP Cup 挑战任务——无人机检测、跟踪和有效载荷识别——我们提出一种双流无人机监控框架。我们的方案在平行的红外（热）和可见（RGB）数据流上部署独立的 You Only Look Once v11-nano (YOLOv11n) 目标检测器，刻意避免早期融合。这种分离允许每个模型针对其输入模态的独特特征进行特定优化，应对小型航空目标在多样环境条件下的挑战。我们针对每个领域自定义数据预处理和增强策略——例如限制红外图像的颜色抖动——并微调训练超参数以提升在重噪声、低光照和运动模糊条件下的检测性能。所得到的轻量级 YOLOv11n 模型在区分无人机与鸟类以及分类有效载荷类型方面均表现出高准确率，同时保持实时性能。本报告详细阐述了双模态设计的理念、专门的训练管道以及实现高效且准确跨 RGB 和 IR 通道无人机监视的架构优化。
引用
@article{arxiv.2507.22650,
title = {SpectraSentinel: LightWeight Dual-Stream Real-Time Drone Detection, Tracking and Payload Identification},
author = {Shahriar Kabir and Istiak Ahmmed Rifti and H. M. Shadman Tabib and Mushfiqur Rahman and Sadatul Islam Sadi and Hasnaen Adil and Ahmed Mahir Sultan Rumi and Ch Md Rakin Haider},
journal= {arXiv preprint arXiv:2507.22650},
year = {2025}
}