系统工程与电子技术

作者：程鲲, 雷洪涛*, 吕志轩

单位：1. 国防科技大学系统工程学院，湖南 长沙 410073；2. 中国人民解放军 63791部队，四川 西昌 615000

关键词：深度学习,目标检测,目标跟踪,深度可分离网络结构,YOLO

基金：湖南省杰出青年基金（2022JJ10069）资助课题

现有无人机跟踪方法存在对远距离无人机检测精度较低、参数量大难以实时跟踪、目标易丢失的问题。因此，提出一种基于改进YOLOv8（you only look once version 8）的轻量级无人机跟踪方法。针对现有方法对远距离无人机检测精度较低的问题，以YOLOv8为基线模型，替换网络结构中原始卷积模块为空间到深度分组的卷积，在降低网络参数的基础上提高模型对小目标的特征提取能力。针对模型参数量大导致模型难以实时跟踪的问题，设计一种深度可分离混洗网络结构作为模型主干网络，在保证检测精度的同时缩减模型参数量。针对普通跟踪模型跟踪易丢失的问题，结合改进检测模型与ByteTrack算法提高对复杂环境下无人机的跟踪性能。在Real World数据集上对跟踪方法进行验证，相较基线模型，改进无人机检测模型的检测精度提高1.6%，召回率提高0.8%，F1度量值提高0.2，平均检测精度提高0.5%，参数量减小0.2×106，证明模型有较好的检测精度和实时性。对无人机飞行视频进行跟踪测试，结果表明所提方法对无人机跟踪有较好的性能。

来源：2026年第3期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2026年第3期