无人机应用的普及给社会带来便利的同时，也带来了新的安全隐患。未经许可的无人机入侵机场、军事区等敏感区域，已成为不容忽视的安全威胁。如何在复杂环境中，尤其是在夜间或远距离条件下，准确识别无人机，一直是技术上的难题。YOLOv9-CAG算法，通过融合可见光、红外与音频多源数据，显著提升了无人机识别的准确率与鲁棒性。
识别挑战
现有的无人机识别研究多依赖于单一类型的数据，如光学图像、红外图像或雷达信号。这些方法虽然在特定条件下有效，但在复杂环境、小目标、低可见度场景中表现往往大打折扣。
例如，在夜晚或雾霾天气，可见光摄像头几乎失效；而在远距离条件下，无人机在图像中可能仅占几十个像素，特征极其微弱，极易被背景噪声淹没。
此外，鸟类与无人机在形态和运动模式上具有一定相似性，进一步增加了误识别的风险。
YOLOv9-CAG的三大创新
为了克服上述挑战，研究团队在经典的YOLOv9目标检测框架基础上，引入了三个关键改进模块，构建了YOLOv9-CAG模型。
首先，在主干网络末端，用 CAM上下文特征增强模块替换了原有结构。该模块能更好地建模全局上下文信息，尤其有利于在复杂背景中提取小目标的细微特征，提升模型对无人机关键部位的关注度。
其次，在头部网络的中间部分，集成 GAM全局注意力机制。该机制能自适应地对特征图进行通道和空间上的加权，让模型聚焦于图像中的关键区域，同时抑制无关背景干扰，从而提升对远距离、小尺寸无人机的识别精度。
最后，在头部网络的末端，采用 AKConv动态卷积替代标准卷积。传统卷积核是固定形状的，而AKConv能根据输入特征动态调整卷积核的采样点位置与形状，从而更灵活地适应不同尺度、不同形态的无人机目标，更好地捕捉其轮廓细节。
构建全方位感知数据集
模型的训练与验证离不开高质量的数据。研究团队构建了四个大规模、多模态的数据集，涵盖可见光、红外和音频频谱，以满足不同场景下的评估需求。
- 可见光数据集： 包含8978张图像，涵盖静态鸟、飞鸟、旋翼无人机、固定翼无人机四类。
- 红外数据集： 包含10,614张图像，同样包含鸟类与多种无人机类别，重点解决夜间和低能见度下的识别问题。
- 可见光与红外混合数据集： 包含19,592张图像，用于测试模型在多模态信息融合下的性能。
- 音频频谱数据集： 包含1088张频谱图，由鸟类和无人机的声音信号转化而来，为识别提供额外的声学维度特征。
实验结果
通过在多个数据集上进行消融实验和对比实验，YOLOv9-CAG模型展现了全面而显著的性能提升。
- 在可见光数据上，针对无人机的mAP0.50达到92.0%，比原版YOLOv9高出10.8%。
- 在红外数据上，mAP0.50和召回率分别达到86.5%和89.2%，分别提升12.4%和11.4%。
- 在音频频谱数据上，mAP0.50和召回率也分别提升了8.4%和14.3%。
除了无人机，模型对鸟类的识别能力也同步增强。在可见光和红外条件下，对鸟类的mAP0.50分别达到85%和94.8%，有效降低了无人机与鸟类之间的误判。
为了验证实际应用效果，研究团队在真实拍摄的可见光与红外视频上进行了测试。视频中的无人机和鸟类目标尺寸很小（40x40至80x80像素）。
结果显示，YOLOv9-CAG模型在可见光和红外场景下的整体平均精度，分别比原版模型提升了6.8%和3.8%。
与YOLO系列其他先进模型（如YOLOv10、YOLO11）在混合数据集上对比，YOLOv9-CAG在固定翼无人机和全类别的识别指标上均保持领先。
总结
该研究提出的YOLOv9-CAG算法，通过创新的模块设计与多模态数据融合，为复杂环境下的无人机精准识别提供了有效的技术方案。
它不仅有助于提升敏感空域的安全监控能力，减少非法入侵带来的风险，也能为鸟类保护和生态研究提供技术支撑，区分无人机与鸟类活动。
当然，研究也指出了未来方向：例如，进一步探索雷达、激光雷达等多模态数据的融合，以应对更极端天气；研究更先进的超分辨率和小目标检测框架，以解决极小目标特征丢失的问题；优化模型对遮挡、重叠目标的检测能力。
随着技术的不断演进，一个全天候、全天时、高精度的无人机智能感知与监管网络正逐渐成为可能，为空域安全和公共安全筑起一道坚实的技术防线。