来源：期刊VIP网 时间：
作者：张根源;林智伟;舒立鹏;王美懿;
单位：西北机电工程研究所;法律出版社有限公司;
摘要：针对现有探测系统探测低空、慢速、小型、低RCS、弱红外辐射特性的无人机类目标的能力不足，无法有效地通过图像侦测到无人机入侵的问题，采用基于深度学习的方法来对无人机图像进行识别和检测，提出了以YOLOv5目标检测模型为基础同时结合ResNet50分类模型的无人机入侵检测方法。经过实验对比结果表明：该方法识别Drone-detection-dataset数据集中4种空中目标的准确率、召回率和均值平均精度值均高于原始YOLOv5模型；且相比于Faster-RCNN和SSD检测模型，YOLOv5+ResNet50检测和识别无人机图像的效果更优，特别是针对于远距离的无人机图像。因此YOLOv5+ResNet50可以有效地对入侵无人机进行检测和预警。
关键词：无人机检测;深度学习;空中目标;YOLOv5;ResNet50
