Niedawno zespół badawczy wspierany przez zasoby techniczne technologii Huirui (https: //www.huirui - ir.com/) osiągnął kluczowy przełom w polu UAV - poszukiwania i ratownicze personel w częściowo przepełnionych środowiskach. Konstruując dedykowany zestaw danych z obrazowania termicznego w podczerwieni, poprawiając algorytmy wykrywania celu i opracowując inteligentny system wyszukiwania, zespół skutecznie zajął się punktami bólu o niskiej wydajności i niewystarczającej dokładności tradycyjnych poszukiwań i ratownictwa UAV w złożonych scenariuszach zamykanych, takich jak gęste lasy, a także inteligentne techniczne rozwiązania dla pól i ratownictwo i wojskowe.
Tło badań i rozwoju: pilne zapotrzebowanie na poszukiwania i ratowanie na świeżym powietrzu, wąskie gardła w tradycyjnych technologiach
Wraz z popularyzacją działań przygodowych na świeżym powietrzu i częstym występowaniem klęsk żywiołowych i poważnych wypadków, wymagania dotyczące terminowości i dokładności poszukiwań i ratowania personelu uwięzionego znacznie wzrosły. Zgodnie z „China Outdoor Adventure Eccadture Acadture” (2020 - 2023) wydany przez China Adventure Association, liczba wypadków przygodowych i obrażeń w Chinach wzrosła z roku na rok. Jednak tradycyjne metody poszukiwań i ratownictwa, takie jak psy poszukiwawcze i ratownicze oraz ręczne poszukiwania, są nieefektywne i wysoce podatne na zakłócenia środowiska. Tradycyjne termiczne rdzenie LMaging wyposażone w kamery widzialnych światła mają ograniczone możliwości rozpoznawania w scenariuszach z gęstym niedrożnością lasu i niewystarczającym światłem. Chociaż kamery termiczne w podczerwieni mogą wychwytywać ludzkie promieniowanie termiczne, ich dokładność rozpoznawania dla częściowo zamkniętych celów nadal musi zostać ulepszona. Na tym tle zespół przeprowadził badania dotyczące kluczowych technologii dlaTermiczny rdzeń lmaging- Wykrywanie uwięzionych personelu w częściowo zamkniętych środowiskach.
● Podstawowe osiągnięcie 1: Konstrukcja zestawu danych obrazowania na podczerwień opartego na UAV - dla częściowo zamkniętych celów ludzkich
Aby rozwiązać problem, że istniejące zestawy danych nie mają możliwości dostosowania się do scenariuszy, zespół zbudował dedykowany termiczny rdzeń lmaging - zestaw danych z obrazowania termicznego do częściowo zamkniętego ludzkiego docelowego wykrywania docelowego. Ten zestaw danych składa się z obrazów termicznych w podczerwieni zebranych przez termiczne rdzeń lmaging na trzech wysokościach lotu (około 30 m, 50 m i 70 m) oraz w czterech warunkach pogodowych (pochmurne, zachmurzone, mgliste i słoneczne), o łącznej wartości 8768 obrazów termicznych, obejmujących częściowo wykluczone ludzkie cele.
Proces budowy zestawu danych ściśle przestrzegał „Systematycznego akwizycji - skrupulatna adnotacja - Rygorystyczna sprawdzanie poprawności”, ostatecznie tworząc 25 811 zweryfikowanych skrzynek ograniczających. Za pomocą metod statystycznych, takich jak Kruskal - test Wallis, Mann - test Whitney U i korekta Bonferroniego, zespół wyjaśnił wpływ szybkości zamknięcia i wysokości lotu na wydajność wykrywania, zapewniając wsparcie danych podstawowych dla dalszych ulepszeń algorytmu. W porównaniu z istniejącymi publicznymi zestawami danych (takich jak Visdrone, Hit - UAV i zestaw danych AOS), ten zestaw danych pokazuje znaczące zalety w dostosowawczości scenariusza, różnorodność danych i dokładność adnotacji w zakresie ekologicznego wykrywania ludzkich w zakresie ekologicznych.
● Podstawowe osiągnięcie 2: Ulepszenie algorytmu wykrywania celu w celu zwiększenia dokładności wykrywania celu o zamykanym celu
Dążąc do ograniczeń sieci YOLOV10 w wykrywaniu małych i częściowo zamkniętych celów, zespół zaproponował ulepszony model wykrywania celu, który optymalizuje sieć kręgosłupa, strukturę szyi i głowicy wykrywania z trzech aspektów:
Optymalizacja sieci szkieletowej: Wprowadzono moduł RepMSAttn w celu ulepszenia możliwości ekstrakcji funkcji multi - i poprawy wydajności przechwytywania lokalnych cech zamykanych celów;
Optymalizacja struktury szyi: Moduł FullScaleConnect został przyjęty do osiągnięcia w - fuzja głębokości multi - i zmniejszyć stratę cech spowodowaną okluzją;
Optymalizacja głowy wykrywania: Moduł SCDETECT jest zintegrowany, aby zrealizować udostępnianie informacji o klasyfikacji i zmniejszyć fałszywe wykrywanie i brakujące wskaźniki wykrywania w scenariuszach zamykanych.
Dane eksperymentalne pokazują, że w konstruowanym zestawie danych „{0}} indeks map@0.5: 0,95 ulepszonego modelu jest o 3 punkty procentowe wyższe niż w scenariuszach YOLOV10 i 4 punktów procentowych niż w przypadku scenariuszy YOLOV8.
● Podstawowe osiągnięcie 3: Opracowanie inteligentnego systemu wyszukiwania w celu realizacji aplikacji inżynierskiej
W oparciu o ulepszony model wykrywania celu, zespół zaprojektował i wdrożył inteligentny system wyszukiwania uwięzionego personelu w częściowo zamkniętych środowiskach. System ma podstawowe funkcje, takie jak automatyczne wykrywanie obrazów/filmów UAV i wizualny wyświetlanie wyników, obejmujące dwa główne moduły: proces biznesowy administratora i proces biznesowy oraz operacje wspierające, takie jak wykrywanie celu, zapytanie o rekordy historyczne i zarządzanie użytkownikami.
Środowisko programistyczne systemu jest kompatybilne z głównym nurtem oprogramowania i architektur sprzętowych, zawierające przenośność i skalowalność. Eksperymentalna weryfikacja pokazuje, że system może szybko reagować na dane obrazowania termicznego w podczerwieni zebrane przez UAV, uświadomić sobie realne - pozycjonowanie czasu i rozpoznawanie uwięzionego personelu, i zaspokoić potrzeby zastosowania scenariuszy cywilnych, takich jak posterunek inżynierski i ratownictwo inżynierskie i ratownicze, pod warunkiem, że rozwiązanie inżynierskie i ratownictwo inżynierskie i ratunkowe i ratownicze.
Wartość aplikacji i przyszłe planowanie
To osiągnięcie badań i rozwoju nie tylko przechodzi przez techniczne wąskie gardła w poszukiwaniu i ratowaniu UAV w częściowo zamykanych środowiskach, ale także promuje integrację głębokości głębokości IN -, algorytmów głębokiego uczenia się i systemów UAV. W przyszłości, opierając się na platformie technicznej Huirui Technology, zespół dodatkowo zoptymalizuje szybkość wnioskowania ulepszonego modelu wykrywania celu, rozszerzy scenariusze aplikacji systemu w ekstremalnej pogodzie (ulewny deszcz, ciężki śnieg) i złożony teren (góry, ruiny) i promuje branżę - udostępnianie siebie {- skonstruowany danych do standaryzacji i standaryzacji i przemysłowej. Technologia ratunkowa.
