0 引言

在现代军事作战中，装甲车毁伤状态的快速准确识别对战场态势评估至关重要。计算机视觉、深度学习和无人机技术的发展为智能目标检测技术提供了新手段^[1]，但装甲目标毁伤检测仍面临战场环境复杂、目标损毁程度各异且存在遮挡等挑战，传统高复杂度模型在移动平台上的高效运行受限。因此，设计兼顾精度的轻量化、高鲁棒性装甲目标毁伤检测模型，是军事智能化的重要研究方向。

目标检测方法根据是否生成候选框分为两阶段检测方法(如Faster RCNN^[2]、mask RCNN^[3])和单阶段检测方法(如SSD^[4]、RetinaNet^[5]和YOLO系列^[6])。两阶段检测方法精度较高但速度慢，单阶段检测方法结构简单、实时性强，应用更普及，但其在装甲目标毁伤检测中面临三类问题：1) 特征鉴别难题。传统卷积很难捕捉非刚性形变不规则特征，且战场烟雾、遮挡会大幅降低关键特征信噪比。石磊等^[7]和王晨露等^[8]通过注意力机制强化了损伤区域的语义表达，但在常规空间注意力易受背景干扰。2) 计算效率瓶颈。多尺度特征融合是处理目标尺寸多变的关键，张科等^[9]采用BiFPN^[10]结构实现多层特征信息融合，但存在重复上采样、下采样操作，导致大量的计算资源消耗于特征图尺度变换。庞玉东等^[11]和孟群康等^[12]引入DSConv尝试轻量化设计，但往往以牺牲小目标检测性能为代价，难以满足战场实时性要求。3) 定位精度缺陷。毁伤目标常呈现倾斜、堆叠等特殊姿态，传统IoU度量忽略边界框方向关系，导致定位偏差放大效应。SIoU损失函数^[13]引入角度约束可改善此问题，但现有方法在严重遮挡场景下的稳定性仍有待提升。

针对复杂场景下的装甲目标检测挑战，本文提出一种挤压-激励(squeeze-and-excitation, SE)与特征融合增强的YOLO模型，简称SDS-YOLO模型。所提模型通过扩大感受野、融合局部与全局上下文信息以及优化特征融合，提升了装甲目标毁伤状态检测精度。主要贡献如下：1) 提出一种SE-Focus特征提取模块，通过通道级特征重标定与空间压缩的协同作用，增强关键特征并抑制冗余信息，实现毁伤区域特征的自适应强化。2) 将DSConv嵌入特征金字塔网络，提出了DS-BiFPN结构，在保持优异的跨尺度特征交互能力的同时，降低了模型复杂度和计算开销。3) 提出一种基于SIoU损失函数的目标预测框与真实框的方向匹配方法，提高了模型的收敛速度、检测鲁棒性和训练稳定性。

1 YOLOv11模型

虽然YOLOv12是最新的目标检测算法，但YOLOv11的架构稳定性和成熟度在实际应用中已得到了充分验证，其兼容性表现优异；而YOLOv12引入的动态训练策略在复杂战场环境下可能带来不可预测的计算波动。在综合考量模型精度、推理速度与计算资源消耗三者的平衡关系后，选择YOLOv11作为基础模型进行改进。

YOLOv11模型由骨干特征提取(backbone)、特征融合(neck)、目标预测(head)构成，其在通用目标检测中实现了精度-速度平衡，但针对军事装甲目标毁伤检测存在三大短板：backbone对毁伤关键特征关注度低，复杂背景下易丢失有效信息；neck依赖特征金字塔网络(feature pyramid network，FPN)^[14]和路径聚合网络(path aggregation network，PAN)^[15]进行多尺度融合，导致装甲目标毁伤跨尺度特征交互效率低，多类型毁伤检测精度受限；head采用的传统损失函数对装甲目标倾斜姿态、不规则毁伤边界适应性差，定位误差明显。

2 SDS-YOLO模型

本文提出的SDS-YOLO模型旨在提供更加精准和可靠的装甲目标毁伤识别解决方案，以适应复杂的战场环境。SDS-YOLO网络结构见图 1，其中空间金字塔池化-快速版(spatial pyramid pooling-fast, SPPF)的作用是减少计算量并提高运行速度。

2.1 SE-Focus特征提取模块

YOLO中的Focus模块通过切片操作将空间信息转为通道信息，实现高效下采样并保留关键空间信息，适用于低层次特征提取。但其无法区分重要特征，导致特征利用效率低，在复杂场景或背景干扰多时表现不佳，还可能因保留冗余信息而增加计算负担。为解决Focus模块存在的问题，在Focus模块中引入SE注意力机制^[16]，并提出了SE-Focus模块。该模块可以在保持高效空间压缩能力的同时，利用通道注意力机制动态调整特征权重，增强重要特征并抑制冗余信息，从而提升模型对复杂场景的适应能力和检测性能。SE-Focus模块结构示意图见图 2。

SE是一种通道注意力机制，通过学习通道之间的依赖关系，动态调整特征图中每个通道的权重，从而增强重要特征并抑制不重要特征。假设输入特征图为X，其形状为(B，C，H，W)，B为batch size，C为通道数，H为高度，W为宽度，则SE注意力机制的计算过程可以概括为以下步骤。

1) squeeze操作(全局信息压缩)：将每个通道的空间信息(高度和宽度)压缩为一个全局描述符。对通道进行全局平均池化(GAP)，将每个通道的H×W特征图压缩为一个标量值。公式可表示为

$ z_c=\frac{1}{H \times W} \sum\limits_{i=1}^H \sum\limits_{j=1}^W x_c(i, j), $

(1)

其中：z_c是第c个通道的压缩结果；x_c(i，j)是第c个通道在位置(i，j)的特征值。输出z的形状为(B，C，1，1)。

2) excitation操作(通道依赖关系建模)：学习通道之间的依赖关系，生成每个通道的权重，通过两个全连接层和非线性激活函数ReLU建模通道之间的关系。公式可表示为

$ a_c=\boldsymbol{\sigma}\left(\boldsymbol{W}_2 \cdot \operatorname{ReLU}\left(\boldsymbol{W}_1 \cdot z\right)\right), $

(2)

其中：a_c是在excitation过程中计算得到的相应权重；z是squeeze步骤的输出；W₁是第1个全连接层的权重矩阵，将通道数从C降维到C/r(r是降维比率)；W₂是第2个全连接层的权重矩阵，将通道数从C/r恢复到C；σ是Sigmoid函数，将权重归一化到[0, 1]。

3) 特征加权：将学习到的通道权重应用于原始特征图，增强重要特征并抑制不重要特征，将通道权重a_c与输入特征图X逐通道相乘。公式可表示为

$ \tilde{x}_c=a_c \cdot x_c, $

(3)

其中：$\tilde{x}_c$是加权后的第c个通道特征图；x_c是输入到SE模块的特征图中第c个通道的特征。

2.2 DS-BiFPN特征融合模块

在传统装甲目标毁伤检测中，PANet和BiFPN的结构见图 3。其中，PANet的结构如图 3(a)所示，其静态结构无法动态适应多尺度毁伤特征变化，且通道维度未区分噪声与特征，导致算力浪费和精度下降。BiFPN的结构如图 3(b)所示，该结构虽然提升了特征交互效率，但其标准3×3卷积计算量达10⁹级别，难以满足终端轻量化需求，且缺乏细粒度特征增强机制，导致小尺度毁伤特征易被覆盖，出现弹孔漏检和裂纹模糊等问题。

针对传统方法的缺陷，提出新型颈部网络结构DS-BiFPN，其在保留BiFPN多尺度特征融合高效性与灵活性的同时，结合DSConv以降低模型的复杂度和计算需求，尤其适用于资源受限的应用场景。

BiFPN通过双向路径实现多尺度特征融合，同时通过剪枝冗余节点优化结构，并在同层级节点间新增特征传递路径；其在不增加计算量的前提下，借助加权融合机制自适应学习特征重要性，提升特征利用效率，且在特征融合过程中，通过结构化加权融合机制融合同一层级的原始输入、中间特征及相邻层的输出特征，实现了同层级多源特征的最优整合。以BiFPN第i层特征融合过程为例，其计算分为自顶向下和自底向上两个阶段，每个阶段生成不同的特征值。

1) 自顶向下路径(top-down)中间特征生成，其计算公式为

$ P_i^{\mathrm{td}}=\operatorname{Conv}\left(\frac{w_1 \cdot P_i^{\mathrm{in}}+w_2 \cdot \operatorname{Resize}\left(P_{i+1}^{\mathrm{td}}\right)}{w_1+w_2+\epsilon}\right), $

(4)

其中：Conv是卷积操作；P_iⁱⁿ是第i层原始输入特征；P_i+1^td是上一层自顶向下路径输出的下采样特征；w₁，w₂为可学习权重，通过ReLU激活函数确保非负性；Resize操作调整特征分辨率以匹配当前层；分母引入极小值ε=0.000 1以防止数值不稳定。

2) 自底向上路径(bottom-up)输出特征生成，其计算公式为

$ P_i^{\text {out }}=\operatorname{Conv}\left(\frac{w_1^{\prime} \cdot P_i^{\text {in }}+w_2^{\prime} \cdot P_i^{\text {td }}+w_3^{\prime} \cdot \operatorname{Resize}\left(P_{i-1}^{\text {out }}\right)}{w_1^{\prime}+w_2^{\prime}+w_3^{\prime}+\epsilon}\right), $

(5)

其中：P_i^td是当前层中间特征；P_i-1^out是下一层自底向上路径输出的上采样特征；w′₁，w′₂，w′₃为可学习权重，同样通过ReLU约束非负性。

以DSConv替换BiFPN的标准卷积，解决其计算成本高的问题。DSConv是一种高效卷积方式，其将标准卷积拆分为两步：先通过深度卷积对输入特征图的每个通道单独卷积以提取局部空间特征，再利用逐点卷积实现通道间信息融合并调整通道数，其流程如下。

1) 逐通道卷积：对输入特征图的每个通道单独进行卷积操作，使用不同卷积核提取各通道的独特特征。此过程能避免通道间信息干扰，让模型聚焦通道内的细节特征提取。若输入特征图通道数为C，卷积核大小为K×K，则逐通道卷积的参数量为C×K×K，有

$ \operatorname{Input}_c(i, j)=\sum\limits_{m=0}^{K-1} \sum\limits_{n=0}^{K-1} \operatorname{Input}_c(i+m, j+n), $

(6)

$ \text { output }_c(i, j)=\operatorname{Input}_c(i, j) \cdot \text { Weight }_c(m, n), $

(7)

其中：Input_c是输入特征图的第c个通道；Weight_c是

第c个通道的K×K卷积核权重；(i，j)是输出特征图的空间位置。

2) 逐点卷积：通过1×1卷积核对逐通道卷积输出的多通道特征进行跨通道融合，在低计算量下整合不同通道的信息，实现特征的跨通道交互。若输出通道数也为C，参数量为C×C×1×1，则

$ \text { Output }_{c^{\prime}}(i, j)=\sum\limits_{c=1}^C \operatorname{Input}_c(i, j) \cdot \text { Weight }_{c^{\prime}, c} \circ $

(8)

相较于标准卷积，DSConv在大幅降低参数量和计算量的同时保留了空间和通道特征提取能力，是实现模型轻量化的关键。

2.3 SIoU损失函数

YOLOv11默认的CIoU损失函数^[17]考虑了中心点距离、重叠面积及纵横比等，但未考量方向匹配度，导致收敛慢，检测性能受到影响。针对此问题，本文提出一种基于SIoU的方向匹配方法，通过显式建模方向关系减少空间偏差以引导快速收敛，联合优化方向对齐与角度成本以抑制无效变形、增强复杂场景泛化能力，解耦方向匹配与传统指标以平滑梯度、降低训练震荡并提升噪声数据下的稳健性。SIoU损失函数由以下四个部分组成。

1) 角度损失(angle cost)：用于衡量预测框与真实框之间的方向偏差，能够通过惩罚方向偏差加速模型收敛。角度损失示例见图 4，其计算公式为

$ \Lambda=1-2 \sin ^2\left(\arcsin \frac{c_h}{s}\right)-\frac{\varPi}{4}, $

(9)

其中：c_h是预测框与真实框中心点的高度差；s是预测框与真实框中心点之间的距离。

2) 距离损失(distance cost)：用于衡量预测框与真实框中心点之间的距离，通过动态调整距离损失的权重，增强模型对中心点偏差的敏感性。距离损失示例见图 5，其计算公式为

$ \Delta=\sum\limits_{t=x, y}\left(1-\mathrm{e}^{-\gamma \rho_t}\right), $

(10)

$ \rho_x=\left(\frac{b_{c x}^{g t}-b_{c x}}{c_w}\right)^2, $

(11)

$ \rho_y=\left(\frac{b_{c y}^{g t}-b_{c y}}{c_h}\right)^2, $

(12)

其中：式(11)为宽度方向的归一化距离差；式(12)为高度方向的归一化距离差；(b_cx^gt，b_cy^gt)为真实框中心坐标；(b_cx，b_cy)为预测框中心坐标；y=2-Λ是角度损失的调整因子。

3) 形状损失(shape loss)：用于衡量预测框与真实框在宽度和高度上的差异，通过控制形状损失的权重，增强模型对目标形状的建模能力，其计算公式为

$ \Omega=\sum\limits_{t \in\{w, h\}}\left(1-\mathrm{e}^{-w} t\right)^\theta, $

(13)

$ w_w=\frac{\left|w_c-w^{g t}\right|}{\max \left(w_c, w^{g t}\right)}, $

(14)

$ w_h=\frac{\left|h_c-h^{g t}\right|}{\max \left(h_c, h^{g t}\right)}, $

(15)

其中：式(14)为宽度的归一化差异；式(15)为高度的归一化差异；w_c为预测框的宽度；w^gt为真实框的宽度；h_c为预测框的高度；h^gt为真实框的高度；θ为形状损失的调整因子，取值范围为^{[2, 6]}。

4) IoU损失(IoU loss)：用于衡量预测框与真实框之间的重叠区域，可直接衡量预测框与真实框的重叠程度，其计算公式为

$ L_{\mathrm{IoU}}=\frac{\left(b \cap b^{g t}\right)}{\left(b \cup b^{g t}\right)}, $

(16)

其中：b为预测框；b^gt为真实框。

综合上述四个部分，SIoU损失函数可表示为

$ L_{\mathrm{SIoU}}=1-L_{\mathrm{IoU}}+\frac{\Delta+\Omega}{2}, $

(17)

其中：Δ为距离损失项；Ω为形状损失项。

3 实验部分 3.1 实验数据集

实验数据中坦克相关图像的获取主要通过百度图片、谷歌图片这两个主流搜索引擎完成。具体检索过程为：以坦克、毁伤坦克等为核心关键词进行检索，筛选范围限定为公开可下载的网络图像，涵盖不同国家、不同型号、不同场景的坦克图像。从检索结果中人工剔除重复、模糊及非坦克主体的图像，保留1 079张有效原始图像。部分数据集样本示例如图 6所示。

为提升数据多样性和模型泛化能力，对原始数据集进行随机旋转(±30°)、翻转、亮度/对比度调整、高斯噪声添加及尺度变换等增强处理，使训练集扩展至3 237张图像，既保证样本多样性又兼顾操作可行性，为模型训练提供充分的数据支撑。

实验使用LabelImg工具对所得图像进行标注，涵盖了5种不同类别的坦克部件：炮管(gun_barrel)、坦克(tank)、履带(track)、毁伤履带(track_damage)以及毁伤坦克(tank_damage)。所有图片均采用数据增强技术调整至640×640像素分辨率，并保存为JPG格式。随后，将该数据集按照8∶1∶1的比例随机划分为训练集(2 589张)、验证集(324张)和测试集(324张)，以支持模型的训练、评估及性能验证。

3.2 实验环境

实验环境配置如下：操作系统采用Windows 10 64位，搭配AMD Ryzen 7 7840H的CPU和RTX 4060 GPU(配备8 GB显存)，16 GB内存。使用Python 3.8.20作为编程语言，结合PyTorch 2.4.1+cu121深度学习框架进行模型的训练与验证，同时采用Conda 22.11.1来管理实验所需的软件包和依赖项，确保了实验环境的稳定性和可复现性。

为确保实验结果具有良好的可比性、有效性和公平性，所有实验在训练过程中均采用统一且严格的超参数设置，训练轮数为200轮，批次大小为16，输入图像统一缩放至640×640像素并归一化，使用动量为0.937且引入权重衰减的SGD优化器，采用初始学习率为0.01且最终学习率为0.000 1的线性衰减策略，以及统一的数据增强、权重初始化和正则化方法等，以消除非目标变量对实验结果的干扰。

3.3 评价指标

采用以下指标评估模型性能。

1) 精确率(Precision)：表示模型预测为正类的样本中实际为正类的比例，其计算公式为

$ \text { Precision }=\frac{T P}{T P+F P}, $

(18)

其中：TP表示预测为正类且实际为正类的样本数；FP表示预测为正类但实际为负类的样本数。

2) 召回率(Recall)：表示实际为正类的样本中被模型正确预测为正类的比例，其计算公式为

$ \text { Recall }=\frac{T P}{T P+F N}, $

(19)

其中：FN表示预测为负类但实际为正类的样本数。

3) 平均精度(AP)：通过计算每个类别的精确率-召回率曲线下的面积来衡量模型在不同阈值下的检测性能，其计算公式为

$ A P=\int_0^1 \operatorname{Precision}(\text { Recall }) \mathrm{d}(\text { Recall }) \text { 。} $

(20)

4) 平均精度均值(mAP)：所有类别的平均精度的均值，其计算公式为

$ m A P=\frac{1}{N} \sum\limits_{i=1}^N A P_i, $

(21)

其中：N表示类别总数。本文使用mAP₅₀表示当预测框与真实框的IoU阈值为0.50时的mAP；使用mAP_50-95表示IoU阈值为[0.50，0.95]且步长为0.05时的mAP。

除上述4个评价指标外，其他评价指标还包括帧率和参数量。其中，帧率表示模型每秒能够处理的图像数量，用于衡量模型的检测速度；参数量表示模型的卷积层、全连接层、输出层等包含的参数数量，反映了模型的存储需求和计算复杂度。

4 结果分析 4.1 消融实验

为验证本文所提出的SDS-YOLO模型的有效性，在自行收集的装甲目标毁伤坦克数据集上开展了7组消融实验。核心思路是以YOLOv11模型作为基础框架，依次引入不同的改进模块，并通过系统性组合与对比，深入评估每个新增模块对模型整体性能的影响，有助于识别各模块对检测精度、速度及稳定性等方面的贡献度，消融实验结果如表 1所示。

通过消融实验分析各模块影响，其中帧率通过相同环境下12次测试及剔除极值后取10次均值来保证结果稳定可靠。由表 1可以看出，在装甲目标毁伤坦克数据集上进行测试时，SDS-YOLO模型(编号7)在参数量不变的情况下，相比原模型(编号1)mAP₅₀提高1.8个百分点，mAP_50-95提高1.7个百分点，验证了改进策略的有效性。

4.2 对比实验

在目标检测模型性能评估中，将所提出的SDS-YOLO模型与Faster RCNN^[2]、SSD^[4]、YOLO系列^[6]以及经本文改进策略优化的YOLOv8变体等展开对比，不同模型的对比实验结果见表 2。可以看出，在检测精度方面，SDS-YOLO模型的mAP₅₀值优于其他对比模型；YOLOv3不仅精度最低，参数量更是同系列其他模型的数倍，效率欠佳，在计算资源利用层面劣势显著；YOLOv8n与YOLOv10n在推理速度、参数量及检测精度上表现出高度一致；而经本文方法优化的YOLOv8变体，在检测精度、召回率上均较原始版本有显著提升，充分印证了本文优化策略在YOLO系列模型中的广泛适用性与有效性。在检测速度方面，SDS-YOLO模型实现了精度与效率的良好平衡。YOLO系列和SSD的单阶段架构在检测精度、参数量和召回率方面显著优于Faster RCNN的两阶段架构。通过引入SE-Focus和DS-BiFPN实现特征权重动态调整，虽使处理速度较YOLOv11n略有降低，但提升了复杂背景下的检测性能，且在参数量保持不变的情况下，SDS-YOLO模型的mAP₅₀提升1.8个百分点、召回率提升1.9个百分点，达到检测精度与计算效率的协同优化，满足战场环境下对实时目标监测的需求。

4.3 性能分析

在装甲目标坦克数据集5个类别上SDS-YOLO模型性能分析结果如表 3所示。可以看出，各类别的mAP₅₀均超过85%；模型对坦克的检测性能最优，毁伤履带的精确率最高但综合阈值下表现较弱，毁伤坦克的召回率最高但精确率最低；整体精确率为84.4%，召回率为87.4%，mAP₅₀为91.3%，mAP_50-95为69.9%，表明整体检测效果良好。

5 结语

本文针对复杂战场环境下装甲目标检测任务中存在的背景干扰、毁伤程度差异等挑战，提出了一种改进型SDS-YOLO检测模型。该模型针对特征提取过程中的关键特征弱化和噪声干扰问题，创新性地设计了基于通道注意力机制的SE-Focus模块，通过特征重标定策略实现了关键特征的动态增强与噪声抑制，有效提升了特征提取的鲁棒性。在网络结构设计方面，为了消除传统多尺度特征融合计算效率低的影响，本文提出了DS-BiFPN结构，在保持优异特征融合能力的同时显著提升了模型的计算效率。此外，针对边界框回归中角度偏差影响定位精度的问题，将SIoU度量准则引入装甲目标检测领域。实验数据表明，该模型在复杂战场环境下的军事目标检测任务中展现出优越的性能。在后续研究中将进一步展开针对特殊损伤模式的优化，通过生成对抗网络增强数据多样性，提升模型对非典型损伤形态的泛化能力，并结合形变卷积改进定位方法，实现严苛定位标准下的性能检测。