【摘 要】
:
随着深度学习的新算法和新结构在各大框架的落地,网络对物体推算速率和精度得到极大提升。无人机经过多年研究,其续航、稳定性等性能都得到提升。无人机视角广能够搭载相机等设备和设计飞行路线获取地面信息,而无人机节点组网可以进一步扩大节点覆盖范围,高效率的完成各种场景下的任务。然而现有的网络框架往往权值数量特别庞大,导致推理开销大和检测速率慢,当前优秀网络不适合在嵌入式上应用。针对上述问题,本文使用分离卷积
论文部分内容阅读
随着深度学习的新算法和新结构在各大框架的落地,网络对物体推算速率和精度得到极大提升。无人机经过多年研究,其续航、稳定性等性能都得到提升。无人机视角广能够搭载相机等设备和设计飞行路线获取地面信息,而无人机节点组网可以进一步扩大节点覆盖范围,高效率的完成各种场景下的任务。然而现有的网络框架往往权值数量特别庞大,导致推理开销大和检测速率慢,当前优秀网络不适合在嵌入式上应用。针对上述问题,本文使用分离卷积的方式轻量化YOLO-v4网络,将网络部署到无人机上,最终无人机结合视频传输、物体检测技术实现对地面物体的检测。本文研究了深度学习在地面物体分类和区域定位等领域的现状,对深度学习框架进行对比,采用YOLO-v4作为检测框架。本文研究了框架网络结构,将卷积分离成通道像素间卷积和通道间相同位置像素卷积,将分离卷积替换PAN结构的普通卷积;引入了通道权重和残差结构用MobileNet-v3替换YOLO-v4的骨架,网络权重数量减少到改进前的四分之一,网络推理速率达到改进前的三倍。本文对比了使用MobileNet的三个版本替换骨架后推理速率和精度。本文使用预训练方式调整网络权值,将预训练的主干冻结再针对无人机数据集微调权值。使用聚类方法获取图像的先验区域参数,使用Soft-NMS提高网络在同属性物体密集的场景下推理能力。算法中在图像中同种属性交叠区域较大的预测区块不会直接剔除,会将推理得分会衰减再进行筛选,改善网络在同属性物体密集交叠场景下检测能力。本文实现了无人机拍摄、检测和传输地面物体图像。本文整合无人机、通信设备、传感器等为一个节点,将像素矩阵送入检测网络推理出物体属性和区块。将推理得出的物体区域和属性标记在图像上,压缩后发送到地面节点,接收端将信息整合显示检测并标记的图像。
其他文献
工业机器人作为人工智能和传统机械、电气等结合的前沿产品,被誉为制造业皇冠上的明珠。工业机器人广泛应用于焊接、激光切割、磨抛等高精度加工领域。长期运行过程中,关节处磨损出现间隙,导致末端精度退化。同时机器人高速运行时,间隙使得旋转副元素之间可能发生猛烈冲击和碰撞,增加构件的动应力,导致元件弹性变形增大、磨损加剧,产生噪声和振动等。有必要建立起关节间隙与末端精度退化之间表征模型,开展工业机器人末端定位
随着先进制造业的竞争日益激烈以及集成电路半导体等新兴产业的快速发展,精密加工与制造需求旺盛,并对运动控制系统的精度提出了更高的要求。以直线电机为代表的直驱系统因取消了中间传动机构,更能实现高精度的跟踪控制,在精密运动控制系统中得到了广泛研究和应用。本文围绕直线电机运动控制系统中的摩擦补偿和输出反馈问题进行了研究,针对系统的参数变化、建模误差和外部扰动等不确定性设计控制器,并结合仿真和实验验证控制效
蜂窝夹层结构复合材料(Honeycomb Sandwich Composites,HSCs)由于具有高比刚度、高比强度、低密度等特性,广泛应用于航空航天飞行器的主、次承力结构件。HSCs制备工艺复杂,在制备过程中或长期工作在恶劣环境时可能会出现蒙皮与胶层、胶层与蜂窝芯等脱粘缺陷,严重影响到相关构件的正常使用。因此快速而准确地对HSCs内部缺陷进行检测与识别已成为相关领域的研究热点和难点。基于深度学
随着现代航天技术的不断发展与提高,我国空间站建设、神舟十二号飞船、行星探测等重大航天工程的也陆续启动与实施,对航天器的需求量日益增加,对空间操作臂的工作需求也日益增加,亟需研制一种高刚度、高强度、多活动度以及大工作空间的空间操作臂。本文设计一种可以实现上述目标的空间操作臂机构,并对空间操作臂进行了基本特性分析和多目标参数优化,建立了空间操作臂的等效模型,最后研制了空间操作臂的样机并进行了实验验证与
随着世界能源的不断消耗,核能作为新一代的清洁能源发挥着越来越重要的作用,而核电站的安全问题也引起了大家的重视,因此需要定期对相关核设施,如核电站水池进行巡检、清理以及修复作业。由于核电站水池空间有限,对水下机器人的体积有较大约束,因此所应用的小型水下机器人进行作业时,其搭载的机械臂运动过程中所带来的质心、浮心以及水动力变化都可能对机器人本体动态稳定性产生较大的扰动。针对这些问题,本文设计了一种可以
舰船作为海上主要交通工具。舰船目标的自动检测在交通指挥、海上救援等民用领域及侦察监视、军事预测等军事领域均有十分重要的意义。光学遥感卫星凭借其高空间分辨率、大视场、全天候等优势,成为舰船目标检测任务信息获取的理想途径。目前,光学遥感图像舰船目标检测任务面临的困难包括:(1)遥感图像陆地背景复杂,严重制约舰船目标检测算法的性能。(2)舰船目标类内差异大,具备多尺度、多方向等特性。(3)不同成像场景下
大视场圆周扫描系统采用旋转成像的方式获取高分辨率遥感图像,具有轻质化、共相性强、覆盖视场大等优势,是目前实现地球静止轨道超高分辨率超大口径光学遥感成像的最具潜力的技术途径之一。然而,由于其特殊的旋转推扫成像机制,系统在轨成像过程中将受到探测器旋转采样、卫星平台振动、光学系统像差等物理因素的耦合影响,图像退化特性较为复杂,存在空间移变模糊、环状几何畸变等图像质量退化问题,严重影响了图像产品的解译应用
光学多点气体传感在天然气管道泄漏检测、垃圾填埋场气体排放监测、地下综合管道气体监测等应用中具有重要意义,在这些应用中定量检测和精确定位化学品的延伸距离或区域是必不可少的,但目前大部分光学气体传感器都是单点传感器,在大范围监测中应用成本较高,难以实现大批量应用。而调频连续波(Frequency modulated continuous wave,FMCW)技术是一种频分复用技术,可以实现多个传感器共
本文设计了一种针对太阳能、氢氧燃料电池、振动能为输入能源,超级电容、锂电池为储能器件,并基于决策树算法的多能源复合管理系统。在算法上使用sklearn开源平台建立了两种以CART为基础算法的决策树模型,这两种决策树模型都是为多能源复合管理系统服务的,两种模型中一个是储能优先模式,另一个是效率优先模式。在建立的过程中对输入边界和输出边界进行了边界条件的设置,将能源的输入反馈等信号抽象成了输入部分的特
在生物信息学领域,预测蛋白质功能是帮助理解疾病行为最重要的手段之一。然而,蛋白质功能预测中仍存在诸多挑战。近年来,许多基于卷积神经网络(CNNs)的预测算法被开发出来并取得了不错的结果。现有的方法主要使用了三种蛋白质特征作为预测特征:蛋白质序列,蛋白质互作网络(PPI)和蛋白质结构域。然而,可用的PPI数据较少。因此,本文提出了基于序列相似度和CNNs的蛋白质功能预测算法。此外,我们还将在合并其他