基于改进YOLOv8的机场鸟类识别与风险预测方法研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：针对机场鸟击防控难题，该研究构建了融合多模态感知与智能决策的主动防控系统。通过改进YOLOv8模型（引入CBAM、深度可分离卷积与多模态融合模块） ，并将检测结果输入“LSTM + Transformer”轨迹预测与风险评估模型，文章实现了从感知到处置的5G智能闭环体系。实验表明，改进YOLOv8检测mAP达91.7%，轨迹预测误差8.3%，风险评估准确率88.5%，系统响应时延≤90 ms，为机场鸟击风险防控提供了智能化、高精度的技术路径。（剩余5546字）

试读结束

目录
monitor
客服机器人