2026-2027学年多模态融合与YOLOv10无人机低空巡检毕设全套设计方案.docxVIP

PAGE

2026-2027学年多模态融合与YOLOv10无人机低空巡检毕设全套设计方案

本方案覆盖2026-2027学年本科毕业设计全流程资料，围绕基于多模态融合与YOLOv10的无人机低空道路交通巡检目标检测算法研究，提供任务书、文献综述、开题报告、答辩PPT的完整框架与核心内容。方案明确算法改进、数据集构建、性能验证的完整技术路径，适配交通工程、计算机科学专业的毕设要求，兼顾工程实用性与学术规范性，可直接用于开题、中期与答辩环节。

毕业设计任务书核心框架

研究背景与意义

城市道路里程持续增长，传统人工巡检存在效率低、盲区多、危险路段无法抵达等痛点。无人机低空巡检具备灵活、覆盖广的优势，但复杂天气、夜间光照不足、小目标漏检等问题制约落地。将可见光与红外图像多模态融合，结合YOLOv10轻量化检测能力，可提升雨雾、夜间场景下的异常目标识别准确率，为智慧交通运维提供低成本技术方案。

研究目标与核心内容

本研究的核心目标是构建一套适配无人机边缘端部署的轻量型多模态目标检测算法，在保证推理速度的前提下，显著提升低能见度、夜间场景下的道路异常目标检测精度。

核心研究内容分为四个模块：

1.多模态数据集构建：采集可见光、红外成对道路图像，标注车辆、行人、锥桶、事故残骸、道路破损五类目标，划分训练/验证/测试集。

2.多模态融合模块设计：在YOLOv10主干网络前引入跨模态注意力融合