戦闘部破片群の運動パラメータは弾薬の破壊威力評価に重要な意味を持つ。破片サイズが小さいこと、背景情報が複雑であること、破片データサンプルが少ないことによる破片検出精度の低さの問題に対し、本稿ではYOLOv5-FDの戦闘部破片群対象検出方法を提案する。まず、ネットワーク出力端に微小対象検出層を追加し、元の三尺度を四尺度に変更するとともに、特徴融合ネットワークに内容認識特徴再構成（Content Aware ReAssembly of Features、CARAFE）アップサンプリングモジュールを導入して従来の最近傍補間アップサンプリングを置き換え、小対象特徴情報の損失を減少させ、弱小破片の抽出能力を向上させる。次に、特徴抽出ネットワークに座標注意モジュール（Coordinate Attention、CA）を導入し、破片特徴の抽出を強化し、背景情報を弱め、複雑な背景の干渉を抑制する。最後に、モデル学習過程にモデル不可知メタ学習法（Model Agnostic Meta Learning、MAML）を導入し、小規模な破片データセットのみで高い検出性能を実現する。実験結果は、YOLOv5-FD破片検出アルゴリズムが自作の破片データセットで、精度90.5％、再現率85.4％、平均精度mAP_0.5が88.2％を達成し、元のYOLOv5sアルゴリズムと比較してそれぞれ7.1％、7.9％、7.5％向上し、破片対象検出精度を効果的に高めたことを示している。

高速破片;対象検出;YOLOv5;特徴再構成;注意機構;メタ学習