基于深度学习的无人机搜救方法研究进展

doi:10.7527/S1000-6893.2025.32761

干扰环境下无人机多源感知专栏

本期目录 | 过刊浏览 | 高级检索

前一篇 |

基于深度学习的无人机搜救方法研究进展

彭勃¹^,², 白吉康²^,³, 陈伟文³, 郑向涛³(), 雷建军¹, 卢孝强³

^1.天津大学电气自动化与信息工程学院，天津 300072
^2.天津大学福州国际联合学院，天津 300072
^3.福州大学物理与信息工程学院，福州 350108

收稿日期:2025-09-08 修回日期:2025-09-24 接受日期:2025-10-22 出版日期:2025-11-14 发布日期:2025-11-13
通讯作者: 郑向涛 E-mail:xiangtaoz@gmail.com
基金资助:
国家自然科学基金(62271484)

Research progress for UAV search and rescue methods based on deep learning

Bo PENG¹^,², Jikang BAI²^,³, Weiwen CHEN³, Xiangtao ZHENG³(), Jianjun LEI¹, Xiaoqiang LU³

^1.School of Electrical and Information Engineering，Tianjin University，Tianjin 300072，China
^2.The International Joint Institute of Tianjin University，Tianjin University，Tianjin 300072，China
^3.College of Physics and Information Engineering，Fuzhou University，Fuzhou 350108，China

Received:2025-09-08 Revised:2025-09-24 Accepted:2025-10-22 Online:2025-11-14 Published:2025-11-13
Contact: Xiangtao ZHENG E-mail:xiangtaoz@gmail.com
Supported by:
National Natural Science Foundation of China(62271484)

摘要/Abstract

摘要：

随着人工智能技术的发展，无人机（UAV）可通过搭载不同光电载荷对感兴趣目标进行自动识别定位，用于灾害环境下的人员搜救（SaR）任务。无人机搜救任务需要在复杂危险的搜救环境中快速找到失联人员，面临着探测手段单一、成像过程易干扰、背景错综复杂、无人机平台资源受限等挑战。近年来，将无人机系统与深度学习算法相结合已成为研究热点，为了展现无人机搜救的研究进展，对无人机搜救方法进行了综述。首先，针对无人机搜救任务的特点对无人机搜救面临的难点进行了分析；然后，对近年来各类基于深度学习的无人机搜救方法进行了梳理；此外，根据不同的数据类型，整理了与无人机搜救任务相关的目标检测数据集；最后，总结了目前研究存在的问题及未来的发展方向。

关键词: 无人机搜救, 深度学习, 目标检测, 探测手段, 成像环境干扰

Abstract:

With the development of artificial intelligence technology， Unmanned Aerial Vehicles （UAVs） can automatically identify and locate objects of interest by equipping different optoelectronic payloads， and are used for Search and Rescue （SaR） missions in disaster environments. UAV search and rescue missions require the rapid location of missing persons in complex and dangerous environments， facing challenges such as single detection technique， susceptibility to interference during imaging， complex background， and limited UAV platform resources. In recent years， the integration of UAV systems with deep learning algorithms has emerged as a prominent research focus. To demonstrate the advancement of UAV search and rescue techniques， the review of these methodologies has been conducted. Firstly， the difficulties faced by UAV search and rescue are analyzed according to the characteristics of UAV search and rescue missions. Subsequently， various UAV search and rescue methods based on deep learning in recent years are sorted out. Additionally， object detection datasets relevant to UAV search and rescue missions have been sorted out according to different data types. Finally， the problems of current research and future development directions are summarized.

Key words: UAV search and rescue, deep learning, object detection, detection technique, imaging environment interference

中图分类号:

V279

彭勃, 白吉康, 陈伟文, 郑向涛, 雷建军, 卢孝强. 基于深度学习的无人机搜救方法研究进展[J]. 航空学报, 2025, 46(23): 632761.

Bo PENG, Jikang BAI, Weiwen CHEN, Xiangtao ZHENG, Jianjun LEI, Xiaoqiang LU. Research progress for UAV search and rescue methods based on deep learning[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(23): 632761.

图/表 11

图 1

图 2

表1

图 3

表2

图 4

图 5

图 6

图 7

表3

表4

不同数据集的数据规模、采集场景及标注

数据类型	数据集	数据规模	采集场景	标注
可见光	HERIDAL	500张标注的全尺寸航拍图像	山地、荒野、森林等	人物位置边界框
	TinyPerson	1 610张标注图像	海洋、海滩等	目标类别标注及边界框
	SARD	1 981张标注图像	岩石区、森林等	人物位置边界框
	AFO	3 647张标注图像	海洋	目标类别标注及边界框
	Manipal-UAV	13 462张标注图像	学校、道路及建筑等	人物位置边界框
	Archangel	4 643 900张标注图像	草地、沙漠等	目标类别标注、边界框、人物姿态标注及无人机与目标相对位置的元数据
	C2A	10 215张标注图像	火灾、洪水、废墟及交通事故等	人物位置边界框、人物姿态及灾难场景
红外	BIRDSAI	172段标注红外视频	草地、水域及森林等	目标类别标注及边界框
	UAV thermal image	6 447张标注的红外图像	海滩、树木及建筑等	人物位置边界框、人物
	HIT-UAV	2 898张标注的红外图像	学校、道路及操场等	目标类别标注、边界框及无人机飞行高度、拍摄视角、时间及天气
	POP	8 768张标注的红外图像	树林、草地及山区等	人物位置边界框
雷达	UWB radar	270个完整采集会话	不同风力的野外场景	人体是否存在
多光谱	SeaDronesSee	超54 000张标注图像，包括432张多光谱图像	海洋	目标类别标注、边界框及无人机状态的元数据
	NII-CU	5 880对标注RGB和红外图像	棒球场、森林等	人物位置边界框
	WiSARD	55 942张标注图像，包括15 453对标注RGB和红外图像	森林、岩石区、海岸、山地及雪地等	人物位置边界框及包含时间、相机视角等的元数据
	RGBTDrone-Person	6 125对标注RGB和红外图像	森林、建筑及田野等	目标类别标注及边界框
	VTSaR	32 400张标注图像，包括9 602对标注RGB和红外图像	街区、海岸线、海洋、工业区及荒野等	人物位置边界框

表4

参考文献 69

[1]	江波，屈若锟，李彦冬，等. 基于深度学习的无人机航拍目标检测研究综述［J］. 航空学报， 2021， 42（4）： 524519.
	JIANG B， QU R K， LI Y D， et al. Object detection in UAV imagery based on deep learning： Review［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 524519 （in Chinese）.
[2]	TONG X Z， GUO X J， SUN X Y， et al. CMDistill： Cross-modal distillation framework for UAV image object detection［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2024， 18： 1395-1409.
[3]	SURMANN H， KAISER T， LEINWEBER A， et al. Small commercial UAVs for indoor search and rescue missions［C］∥2021 7th International Conference on Automation， Robotics and Applications （ICARA）. Piscataway： IEEE Press， 2021： 106-113.
[4]	NIEDZIELSKI T， JURECKA M， MIZIŃSKI B， et al. First successful rescue of a lost person using the human detection system： A case study from beskid niski （SE Poland）［J］. Remote Sensing， 2021， 13（23）： 4903.
[5]	MARTINEZ-ALPISTE I， GOLCARENARENJI G， WANG Q， et al. Search and rescue operation using UAVs： A case study［J］. Expert Systems with Applications， 2021， 178： 114937.
[6]	PETRLIK M， PETRACEK P， KRATKY V， et al. UAVs beneath the surface： Cooperative autonomy for subterranean search and rescue in DARPA SubT［DB/OL］. Arxiv Preprint： 2206. 08185， 2022.
[7]	XU J. Application of multispectral and thermal imaging technologies in drone search and rescue missions［J］. Traitement du Signal， 2024， 41（5）： 2317.
[8]	LIU C， SZIRÁNYI T. Road condition detection and emergency rescue recognition using on-board UAV in the wildness［J］. Remote Sensing， 2022， 14（17）： 4355.
[9]	MUKHERJEE S， COUDERT O， BEARD C. UNIMODAL： UAV-aided infrared imaging based object detection and localization for search and disaster recovery［C］∥2022 IEEE International Symposium on Technologies for Homeland Security （HST）. Piscataway： IEEE Press， 2022： 1-6.
[10]	PAPYAN N， KULHANDJIAN M， KULHANDJIAN H， et al. AI-based drone assisted human rescue in disaster environments： Challenges and opportunities［J］. Pattern Recognition and Image Analysis， 2024， 34（1）： 169-186.
[11]	CAO Y S， QI F G， JING Y， et al. Mission chain driven unmanned aerial vehicle swarms cooperation for the search and rescue of outdoor injured human targets［J］. Drones， 2022， 6（6）： 138.
[12]	MANZONI M， MORO S， LINSALATA F， et al. Evaluation of UAV-based ISAC SAR imaging： Methods and performances［C］∥2024 IEEE Radar Conference （RadarConf24）. Piscataway： IEEE Press， 2024： 1-6.
[13]	CHAVES C S， GESCHKE R H， SHARGORODSKYY M， et al. Polarimetric UAV-deployed FMCW radar for buried people detection in rescue scenarios［C］∥2021 18th European Radar Conference （EuRAD）. Piscataway： IEEE Press， 2022： 5-8.
[14]	ABDELLATIF A A， ELMANCY A， MOHAMED A， et al. PDSR： Efficient UAV deployment for swift and accurate post-disaster search and rescue［J］. IEEE Internet of Things Magazine， 2025， 8（3）： 149-156.
[15]	XI Y， JIA W J， MIAO Q G， et al. Detection-driven exposure-correction network for nighttime drone-view object detection［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 62： 5605014.
[16]	HE L J， ZHENG H Y， ZHAI X P. REUT： A retinex-inspired low-light image enhancer for UAV tracking at night［C］∥2022 IEEE Smartworld， Ubiquitous Intelligence & Computing， Scalable Computing & Communications， Digital Twin， Privacy Computing， Metaverse， Autonomous & Trusted Vehicles. Piscataway： IEEE Press， 2022： 1051-1057.
[17]	FANG Q Y， HAN D P， WANG Z K. Cross-modality fusion transformer for multispectral object detection［DB/OL］. ArXiv Preprint： 2111.00273， 2021.
[18]	YUAN M X， WEI X X. C²Former： Calibrated and complementary transformer for RGB-infrared object detection［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 62： 5403712.
[19]	BOITEAU S， VANEGAS F， GONZALEZ F. Framework for autonomous UAV navigation and target detection in global-navigation-satellite-system-denied and visually degraded environments［J］. Remote Sensing， 2024， 16（3）： 471.
[20]	LINDQVIST B， KANELLAKIS C， MANSOURI S S， et al. COMPRA： A COMPact reactive autonomy framework for subterranean MAV based search-and-rescue operations［J］. Journal of Intelligent & Robotic Systems， 2022， 105（3）： 49.
[21]	FANG W X， ZHANG G Q， ZHENG Y H， et al. Multi-task learning for UAV aerial object detection in foggy weather condition［J］. Remote Sensing， 2023， 15（18）： 4617.
[22]	WU W， CHANG H， CHEN Z W， et al. Plug-and-play robust aerial object detection under hazy conditions［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2024， 17： 983-998.
[23]	FENG C， CHEN Z， LI X， et al. HazyDet： Open-source benchmark for drone-view object detection with depth-cues in hazy scenes［DB/OL］. ArXiv Preprint： 2409. 19833， 2024.
[24]	LU H Y， YANG Y H， TAO R T， et al. Coverage path planning for SAR-UAV in search area coverage tasks based on deep reinforcement learning［C］∥2022 IEEE International Conference on Unmanned Systems （ICUS）. Piscataway： IEEE Press， 2022： 248-253.
[25]	LI Q P， ZHANG Y X， FANG L Y， et al. DREB-net： Dual-stream restoration embedding blur-feature fusion network for high-mobility UAV object detection［J］. IEEE Transactions on Geoscience and Remote Sensing， 2025， 63： 5621218.
[26]	ZHU B Y， LV Q B， TAN Z. Adaptive multi-scale fusion blind deblurred generative adversarial network method for sharpening image data［J］. Drones， 2023， 7（2）： 96.
[27]	JOBAER S， TANG X S， ZHANG Y H， et al. A novel knowledge distillation framework for enhancing small object detection in blurry environments with unmanned aerial vehicle-assisted images［J］. Complex & Intelligent Systems， 2024， 11（1）： 63.
[28]	周建亭，宣士斌，王婷. 融合遮挡信息的改进DDETR无人机目标检测算法［J］. 计算机工程与应用， 2024， 60（1）： 236-244.
	ZHOU J T， XUAN S B， WANG T. Improved DDETR UAV target detection algorithm incorporating occlusion information［J］. Computer Engineering and Applications， 2024， 60（1）： 236-244 （in Chinese）.
[29]	MARQUES T， CARREIRA S， MIRAGAIA R， et al. Applying deep learning to real-time UAV-based forest monitoring： Leveraging multi-sensor imagery for improved results［J］. Expert Systems with Applications， 2024， 245： 123107.
[30]	RAMÍREZ-AYALA O， GONZÁLEZ-HERNÁNDEZ I， SALAZAR S， et al. Real-time person detection in wooded areas using thermal images from an aerial perspective［J］. Sensors， 2023， 23（22）： 9216.
[31]	NATHAN R J， KURMI I， BIMBER O. Drone swarm strategy for the detection and tracking of occluded targets in complex environments［J］. Communications Engineering， 2023， 2： 55.
[32]	ZHANG J， HUANG H L. Occlusion-aware UAV path planning for reconnaissance and surveillance［J］. Drones， 2021， 5（3）： 98.
[33]	孔垂乐，孟昱煜，火久元，等. 改进YOLOv11的无人机海上小目标检测算法［J/OL］. 计算机工程与应用，（2025-07-08）［2025-08-23］. .
	KONG C L， MENG Y Y， HUO J Y， et al. Improved UAV maritime small target detection algorithm for YOLOv11［J/OL］. Computer Engineering and Application，（2025-07-08）［2025-08-23］. （in Chinese）.
[34]	XU J H， FAN X T， JIAN H D， et al. YoloOW： A spatial scale adaptive real-time object detection neural network for open water search and rescue from UAV aerial imagery［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 62： 5623115.
[35]	ZHANG Y J， YIN Y， SHAO Z Y. An enhanced target detection algorithm for maritime search and rescue based on aerial images［J］. Remote Sensing， 2023， 15（19）： 4818.
[36]	WANG S L， ZHAO Y， ZHOU C， et al. Vision-guided maritime UAV rescue system with optimized GPS path planning and dual-target tracking［J］. Drones， 2025， 9（7）： 502.
[37]	BOULARES M， FEHRI A， JEMNI M. UAV path planning algorithm based on Deep Q-Learning to search for a floating lost target in the ocean［J］. Robotics and Autonomous Systems， 2024， 179： 104730.
[38]	LI X X， DIAO W H， MAO Y Q， et al. OGMN： Occlusion-guided multi-task network for object detection in UAV images［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2023， 199： 242-257.
[39]	于傲泽，魏维伟，王平，等. 基于分块复合注意力的无人机小目标检测算法［J］. 航空学报， 2024， 45（14）： 629148.
	YU A Z， WEI W W， WANG P， et al. Small target detection algorithm for UAV based on patch-wise co-attention［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（14）： 629148 （in Chinese）.
[40]	ZHANG N， NEX F， VOSSELMAN G， et al. Training a disaster victim detection network for UAV search and rescue using harmonious composite images［J］. Remote Sensing， 2022， 14（13）： 2977.
[41]	陈锦涛，李鸿一，任鸿儒，等. 基于RRT森林算法的高层消防多无人机室内协同路径规划［J］. 自动化学报， 2023， 49（12）： 2615-2626.
	CHEN J T， LI H Y， REN H R， et al. Cooperative indoor path planning of multi-UAVs for high-rise fire fighting based on RRT-forest algorithm［J］. Acta Automatica Sinica， 2023， 49（12）： 2615-2626 （in Chinese）.
[42]	XI M， DAI H A， HE J Y， et al. A lightweight reinforcement-learning-based real-time path-planning method for unmanned aerial vehicles［J］. IEEE Internet of Things Journal， 2024， 11（12）： 21061-21071.
[43]	DOMOZI Z， STOJCSICS D， BENHAMIDA A， et al. Real time object detection for aerial search and rescue missions for missing persons［C］∥2020 IEEE 15th International Conference of System of Systems Engineering （SoSE）. Piscataway： IEEE Press， 2020： 519-524.
[44]	WANG R P， LIN C， LI Y J. RPLFDet： A lightweight small object detection network for UAV aerial images with rational preservation of low-level features［J］. IEEE Transactions on Instrumentation and Measurement， 2025， 74： 5013514.
[45]	BETTI A， TUCCI M. YOLO-S： A lightweight and accurate YOLO-like network for small target selection in aerial imagery［J］. Sensors， 2023， 23（4）： 1865.
[46]	XU L J， YANG Q H， QIN M， et al. Collaborative human recognition with lightweight models in drone-based search and rescue operations［J］. IEEE Transactions on Vehicular Technology， 2024， 73（2）： 1765-1776.
[47]	ZHANG X Q， FENG Y， ZHANG S， et al. Robust aerial person detection with lightweight distillation network for edge deployment［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 62： 5630616.
[48]	KUMAR G， ANWAR A， DIKSHIT A， et al. Obstacle avoidance for a swarm of unmanned aerial vehicles operating on particle swarm optimization： A swarm intelligence approach for search and rescue missions［J］. Journal of the Brazilian Society of Mechanical Sciences and Engineering， 2022， 44（2）： 56.
[49]	HORYNA J， BACA T， WALTER V， et al. Decentralized swarms of unmanned aerial vehicles for search and rescue operations without explicit communication［J］. Autonomous Robots， 2023， 47（1）： 77-93.
[50]	王浩宇，张泽旭，闻单，等. 基于时序耦合分析的无人机集群任务分配方法［J/OL］. 航空学报，（2025-05-28）［2025-08-22］. .
	WANG H Y， ZHANG Z X， WEN S， et al. Task allocation algorithm for UAV swarm based on temporal coupling analysis［J/OL］. Acta Aeronautica et Astronautica Sinica，（2025-05-28）［2025-08-22］. （in Chinese）.
[51]	KHALIL H， RAHMAN S U， ULLAH I， et al. A UAV-swarm-communication model using a machine-learning approach for search-and-rescue applications［J］. Drones， 2022， 6（12）： 372.
[52]	方城亮，杨飞生，潘泉. 基于MASAC强化学习算法的多无人机协同路径规划［J］. 中国科学：信息科学， 2024， 54（8）： 1871-1883.
	FANG C L， YANG F S， PAN Q. Multi-UAV collaborative path planning based on multi-agent soft actor critic［J］. Scientia Sinica （Informationis）， 2024， 54（8）： 1871-1883 （in Chinese）.
[53]	BOŽIĆ-ŠTULIĆ D， MARUŠIĆ Ž， GOTOVAC S. Deep learning approach in aerial imagery for supporting land search and rescue missions［J］. International Journal of Computer Vision， 2019， 127（9）： 1256-1278.
[54]	YU X H， GONG Y Q， JIANG N， et al. Scale match for tiny person detection［C］∥2020 IEEE Winter Conference on Applications of Computer Vision （WACV）. Piscataway： IEEE Press， 2020： 1246-1254.
[55]	SAMBOLEK S， IVASIC-KOS M. Automatic person detection in search and rescue operations using deep CNN detectors［J］. IEEE Access， 2021， 9： 37905-37922.
[56]	GA̧SIENICA-JÓZKOWY J， KNAPIK M， CYGANEK B. An ensemble deep learning method with optimized weights for drone-based water rescue and surveillance［J］. Integrated Computer-Aided Engineering， 2021， 28（3）： 221-235.
[57]	AKSHATHA K R， KARUNAKAR A K， SATISH SHENOY B， et al. Manipal-UAV person detection dataset： A step towards benchmarking dataset and algorithms for small object detection［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2023， 195： 77-89.
[58]	SHEN Y T， LEE Y， KWON H， et al. Archangel： A hybrid UAV-based human detection benchmark with position and pose metadata［J］. IEEE Access， 2023， 11： 80958-80972.
[59]	NIHAL R A， YEN B， ITOYAMA K， et al. UAV-enhanced combination to application： Comprehensive analysis and benchmarking of a human detection dataset for disaster scenarios［M］∥Pattern Recognition. Cham： Springer Nature Switzerland， 2024： 145-162.
[60]	BONDI E， JAIN R， AGGRAWAL P， et al. BIRDSAI： A dataset for detection and tracking in aerial thermal infrared videos［C］∥2020 IEEE Winter Conference on Applications of Computer Vision （WACV）. Piscataway： IEEE Press， 2020： 1747-1756.
[61]	DONG J， OTA K， DONG M X. UAV-based real-time survivor detection system in post-disaster search and rescue operations［J］. IEEE Journal on Miniaturization for Air and Space Systems， 2021， 2（4）： 209-219.
[62]	SUO J S， WANG T Y， ZHANG X Z， et al. HIT-UAV： A high-altitude infrared thermal dataset for Unmanned Aerial Vehicle-based object detection［J］. Scientific Data， 2023， 10（1）： 227.
[63]	SONG Z Y， YAN Y L， CAO Y X， et al. An infrared dataset for partially occluded person detection in complex environment for search and rescue［J］. Scientific Data， 2025， 12（1）： 300.
[64]	PALIODIMOS E N， PAPADOPOULOS F G， UZUNIDIS D， et al. A UWB radar and machine learning-based tool for detecting victims through foliage in search and rescue operations［C］∥2024 13th International Conference on Modern Circuits and Systems Technologies （MOCAST）. Piscataway： IEEE Press， 2024： 1-5.
[65]	VARGA L A， KIEFER B， MESSMER M， et al. SeaDronesSee： A maritime benchmark for detecting humans in open water［C］∥2022 IEEE/CVF Winter Conference on Applications of Computer Vision （WACV）. Piscataway： IEEE Press， 2022： 3686-3696.
[66]	SPETH S， GONÇALVES A， RIGAULT B， et al. Deep learning with RGB and thermal images onboard a drone for monitoring operations［J］. Journal of Field Robotics， 2022， 39（6）： 840-868.
[67]	BROYLES D， HAYNER C R， LEUNG K. WiSARD： A labeled visual and thermal image dataset for wilderness search and rescue［C］∥2022 IEEE/RSJ International Conference on Intelligent Robots and Systems （IROS）. Piscataway： IEEE Press， 2022： 9467-9474.
[68]	ZHANG Y， XU C， YANG W， et al. Drone-based RGBT tiny person detection［J］. ISPRS Journal of Photogrammetry and Remote Sensing， 2023， 204： 61-76.
[69]	ZHANG X Q， FENG Y， WANG N， et al. Aerial person detection for search and rescue： Survey and benchmarks［J］. Journal of Remote Sensing， 2025， 5： 474.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

基于深度学习的无人机搜救方法研究进展

Research progress for UAV search and rescue methods based on deep learning

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 69

相关文章 15

编辑推荐

Metrics

本文评价

数据类型	数据集	发布年份	下载地址
可见光	HERIDAL	2019	https：∥universe.roboflow.com/licenta-ynwvo/heridal-lrbkc
	TinyPerson	2020	https：∥github.com/ucas-vg/TinyBenchmark
	SARD	2021	https：∥universe.roboflow.com/datasets-pdabr/sard-8xjhy
	AFO	2021	https：∥datasetninja.com/afo
	Manipal-UAV	2023	https：∥github.com/Akshathakrbhat/Manipal-UAV-Person-Dataset
	Archangel	2023	https：∥a2i2-archangel.vision
	C2A	2024	https：∥github.com/Ragib-Amin-Nihal/C2A
红外	BIRDSAI	2020	https：∥lila.science/datasets/conservationdrones
	UAV thermal image	2020	https：∥zenodo.org/records/4327118
	HIT-UAV	2023	https：∥www.kaggle.com/datasets/pandrii000/hituav-a-highaltitude-infrared-thermal-dataset
	POP	2025	https：∥osf.io/kmcva/
雷达	UWB radar dataset	2024	https：∥zenodo.org/records/10731867
多光谱	SeaDronesSee	2022	https：∥seadronessee.cs.uni-tuebingen.de./
	NII-CU	2022	https：∥www.nii-cu-multispectral.org/
	WiSARD	2022	https：∥sites.google.com/uw.edu/wisard/
	RGBTDronePerson	2023	https：∥nnnnerd.github.io/RGBTDronePerson/
	VTSaR	2025	https：∥github.com/zxq309/VTSaR

[1]	徐建宇, 周莉, 王占学, 是介, 史毫. 基于快速逐线计算模型的高超声速羽流红外辐射计算方法[J]. 航空学报, 2025, 46(8): 630778-630778.
[2]	孟令捷, 李红光, 李新军. 基于地貌类别信息指导的SAR图像仿真方法[J]. 航空学报, 2025, 46(7): 331003-331003.
[3]	赵志浩, 杨照华, 吴云, 余远金. 弱光环境下基于深度学习的单光子计数成像去噪方法[J]. 航空学报, 2025, 46(3): 630531-630531.
[4]	吴一全, 童康. 基于深度学习的无人机航拍图像小目标检测研究进展[J]. 航空学报, 2025, 46(3): 30848-030848.
[5]	黄维, 潘家皓, 何楚. 小波时频局部化无人机目标检测模型压缩研究[J]. 航空学报, 2025, 46(23): 631952-631952.
[6]	范天麒, 邹征夏, 史振威. 基于强化学习数据合成的典型遥感目标检测[J]. 航空学报, 2025, 46(23): 631955-631955.
[7]	刘奎, 孙浩, 伍瀚, 计科峰, 匡纲要. 动态亮度重建的无人机可见光-红外融合目标检测[J]. 航空学报, 2025, 46(23): 631968-631968.
[8]	钟帅, 王丽萍. MCS-RETR：改进RT-DETR的无人机航拍图像目标检测方法[J]. 航空学报, 2025, 46(22): 331987-331987.
[9]	郑忆, 程向红, 唐兴邦, 曹毅. 基于改进ReDet的航拍绝缘子及其缺陷定向检测算法[J]. 航空学报, 2025, 46(18): 331825-331825.
[10]	姜筱巍, 吴一全. 无人机航拍图像拼接方法研究进展[J]. 航空学报, 2025, 46(17): 331799-331799.
[11]	杨永刚, 姜文韬, 高志云. 低空无人机实时目标检测算法[J]. 航空学报, 2025, 46(16): 331619-331619.
[12]	陈霖, 顾曦文, 陈知颖, 张倬, 孙晓亮. 适应着舰引导大距离跨度的高精度单目视觉位姿测量[J]. 航空学报, 2025, 46(15): 331568-331568.
[13]	孙彬, 游航, 李文博, 刘祥瑞, 马佳义. 双光载荷图像融合及其在低空遥感中的应用[J]. 航空学报, 2025, 46(11): 531343-531343.
[14]	孟凡腾, 秦勇, 崔京, 吴云鹏, 张紫城, 魏少伟. 铁路外部环境无人机图像未知风险检测方法[J]. 航空学报, 2025, 46(11): 531262-531262.
[15]	陈树生, 贾苜梁, 林家豪, 金世轶, 高正红, 王岳青, 马志强, 李铮, 段辰龙, 李佳伟. 生成式模型赋能飞行器技术应用研究进展与展望[J]. 航空学报, 2025, 46(10): 631194-631194.