【摘要】针对机场货运区域外来物体碎片（ＦＯＤ）检测效率低下、覆盖不全且存在安全隐患的问题，本研究提出一种基于无人驾驶车辆的智能ＦＯＤ巡检技术。 该技术通过构建多传感器融合的环境感知系统实现环境感知，设计融合多尺度特征提取与注意力机制 的ＦＯＤ识别算法以适应货运场景，并建立基于深度强化学习的自适应巡检调度与避障控制框架，实现货运环境下的全天候自主巡检。 在某大型国际机场货运区域开展的７２ｈ连续测试中，系统ＦＯＤ检测准确率达到了９６.８％，巡检覆盖率提升到了９５.８％，人工作 业时间减少了７４.５％。 测试结果表明：该技术在重度干扰环境下仍可保持９１.３％的检测准确率，ＦＯＤ相关事故率降低了７８.６％，显 著提升了机场货运安全管理水平，为智能化机场运营管理提供了有效的技术解决方案。