For nylig har et forskerteam støttet af de tekniske ressourcer fra Huirui Technology (https: //www.huirui - ir.com/) opnået et centralt gennembrud inden for UAV - baseret søgning og redning for fanget personale i delvist forekommede miljøer. Ved at konstruere et dedikeret infrarødt termisk billeddannelsesdatasæt, forbedre måldetekteringsalgoritmer og udvikle et intelligent søgesystem har teamet effektivt adresseret smerterne med lav effektivitet og utilstrækkelig nøjagtighed af traditionel UAV -søgning og redning i komplekse okkluderede scenarier, såsom tætte skove, der giver en intelligent teknisk løsning til felter, herunder udendørs redning og militær søgning og redning.
F & U -baggrund: Urgent efterspørgsel efter udendørs søgning og redning, flaskehalse i traditionelle teknologier
Med populariseringen af udendørs eventyraktiviteter og den hyppige forekomst af naturkatastrofer og større ulykker er kravene til aktualitet og nøjagtighed af søgning og redning for fanget personale markant steget. I henhold til "China Outdoor Adventure Account Report" (2020 - 2023) frigivet af China Adventure Association, er antallet af udendørs eventyrulykker og skader i Kina steget år for år. Imidlertid er traditionelle søgnings- og redningsmetoder såsom søgning og redningshunde og manuel søgning ineffektive og meget modtagelige for miljøindblanding. Traditionelle termiske LMaging-kerner udstyret med synlige lyskameraer har begrænsede genkendelsesfunktioner i scenarier med tæt skovoplusion og utilstrækkelig lys. Selvom infrarøde termiske billeddannelseskameraer kan fange menneskelig termisk stråling, skal deres genkendelsesnøjagtighed for delvist okkluderede mål stadig forbedres. På denne baggrund foretog teamet forskning på nøgleteknologier tilTermisk LMaging -kerne- baseret fanget personaledetektion i delvist okkluderede miljøer.
● Kernepræstation 1: Konstruktion af en UAV - baseret infrarød termisk billeddannelsesdatasæt for delvist okkluderede menneskelige mål
For at løse problemet, at eksisterende datasæt mangler tilpasningsevne til okkluderede scenarier, konstruerede teamet et dedikeret termisk LMaging -kerne - baseret infrarød termisk billeddannelsesdatasæt til delvist okkluderet humant måldetektion. Dette datasæt består af infrarøde termiske billeder indsamlet af termisk LMaging -kerne i tre flyvninger (ca. 30 m, 50 m og 70 m) og under fire vejrforhold (overskyet, overskyet, tåge og solrige), i alt 8.768 infrarøde termiske billeder, der dækker delvist okkluderede menneskelige mål i forskellige komplekse miljøer.
Datasætkonstruktionsprocessen fulgte strengt den "systematiske erhvervelse - omhyggelig annotation - streng validering" arbejdsgang, hvilket i sidste ende danner 25.811 verificerede afgrænsningsbokse. Gennem statistiske metoder såsom Kruskal - Wallis -test, Mann - Whitney U -test og Bonferroni -korrektion, klarede teamet virkningen af okklusionshastighed og flyvehøjde på detektionsydelse, hvilket giver kernedatassupport til efterfølgende algoritmeforbedringer. Sammenlignet med eksisterende offentlige datasæt (såsom Visdrone, HIT - UAV, og AOS -datasæt), viser dette datasæt betydelige fordele i okkluderet scenarietilpasningsevne, datadiversitet og annotationsnøjagtighed, der udfylder det delvis øvede miljøer til dedikerede datasæt til UAV.
● Kernepræstation 2: Forbedring af måldetekteringsalgoritmen for at forbedre nøjagtigheden af okkluderet måldetektion
Med henblik på begrænsningerne i YOLOV10 -netværket til at detektere små og delvist okkluderede mål foreslog teamet en forbedret måldetekteringsmodel, der optimerer rygraden netværk, nakkestruktur og detektionshoved fra tre aspekter:
Backbone Network Optimization: Et repmsattn -modul introduceres for at forbedre multi - skala -funktionsekstraktionsfunktioner og forbedre effektiviteten af at fange lokale træk ved okkluderede mål;
Optimering af halsstrukturen: Et FullScaleconnect -modul vedtages for at opnå i - dybdefusion af multi - skalafunktioner og reducere funktionstab forårsaget af okklusion;
Detektionshovedoptimering: Et ScDetect -modul er integreret til at realisere deling af klassificeringsoplysninger og reducere falsk detektion og ubesvarede detektionshastigheder i okkluderede scenarier.
Eksperimentelle data viser, at på selvet - konstrueret datasæt er map@0.5: 0,95 indekset for den forbedrede model 3 procentpoint højere end for YOLOV10S og 4 procentpoint højere end for YOLOV8S, hvilket viser stærkere robusthed og tilpasningsevne i delvist okkluderet og små måldetektionsscenarier.
● Kernepræstation 3: Udvikling af et intelligent søgesystem for at realisere ingeniøransøgning
Baseret på den forbedrede måldetekteringsmodel designede og implementerede teamet et intelligent søgesystem til fanget personale i delvist okkluderede miljøer. Systemet har kernefunktioner såsom automatisk detektion af UAV -billeder/videoer og visuel visning af resultater, der dækker to større moduler: administratorforretningsproces og brugerforretningsproces og understøttende operationer såsom måldetektion, historisk postforespørgsel og brugerstyring.
Systemets udviklingsmiljø er kompatibelt med mainstream -software og hardwarearkitekturer med portabilitet og skalerbarhed. Experimental verification shows that the system can quickly respond to infrared thermal imaging data collected by UAVs, realize real-time positioning and recognition of trapped personnel, and meet the application needs of civil scenarios such as post-disaster rescue and wilderness search, as well as military scenarios such as battlefield search and rescue, providing a reliable engineering solution for unmanned search and rescue.
Anvendelsesværdi og fremtidig planlægning
Denne F & U -præstation bryder ikke kun gennem de tekniske flaskehalse af UAV -søgning og redning i delvist okkluderede miljøer, men fremmer også in - dybdeintegrationen af infrarød termisk billeddannelsesteknologi, dyb læringsalgoritmer og UAV -systemer. I fremtiden, der er afhængig af Huirui -teknologiens tekniske platform, vil teamet yderligere optimere inferenshastigheden for den forbedrede måldetekteringsmodel, udvide systemets applikationsscenarier i ekstrem vejr (kraftigt regn, kraftig sne) og komplekst terræn (bjerge, ruiner) og fremme industrien - bred deling af selvet - konstrueret dataset til at bidrage til standardiseringen og industriseringen af selve deling af selvet.
