刘彤 ，杨德振，宋嘉乐，傅瑞罡 ，何佳凯

（1.华北光电技术研究所 机载探测中心，北京 100015；2.中国电子科技集团公司电子科学研究院，北京 100015；3.国防科技大学 电子科学学院ATR 重点实验室，湖南 长沙 410073；4.北京真空电子技术研究所 微波电真空器件国家重点实验室，北京 100015）

0 引言

采用多个复合翼无人机集群的空基红外目标探测识别系统进行协同态势感知是地面远程红外制导的有效辅助手段。其中舰船和车辆目标的智能识别算法作为当代陆海防务系统中关键技术，对于保障我国的国防安全具有重要的应用价值。红外图像具有对比度高、作用距离远、穿透力强等特点，热成像不需要借助外界光源，隐蔽性好，可以全天时工作。目前多数车载系统的视角为平视，平视视场受限，而使用机载系统可以获得更大的下视视场角，在实战中能有效探测和拦截低空突防的威胁目标。

传统目标识别算法难以对下视视场角的图像进行特征提取，作为端到端学习的深度学习，能够自动提取图像特征，具有较好的目标识别能力。北京理工大学的王旭辰等[1]提出基于深度学习的无人机载多平台目标检测算法，使用Darknet-53 网络作为检测器，在公开数据集UAV123 和实测数据集中进行检测，验证得到该算法在视角旋转、目标尺度变化以及障碍物遮挡下能进行稳定检测。但文中仅使用了YOLOv3 目标检测算法，并未对其进行改进，检测精度没有得到提高。电子科技大学的刘瑞[2]针对空中目……