无人机作为利用无线电遥控的设备,与有人驾驶的飞机相比,无人机更适合执行危险系数高、作业环境复杂的任务。随着无人机行业的高速发展,各种用途的无人机纷纷涌现出来,特别是微型无人机,由于其成本低廉、操作灵活、便于大批量部署等优点,被广泛地使用在诸多领域。近些年来随着自然环境的恶化,自然灾害夺去了无数人的生命,在灾害发生的第一时间进行救援显得尤为重要,在救援中,采用微型无人机技术具有重大的现实意义。将微型无人机技术和与人工智能(AI)技术相结合,可以智能的识别并记录灾难现场,搜寻伤亡人员并将识别的结果和数据快速传回指挥现场,为救援提供有力的决策依据。本文将微型无人机技术和AI技术相结合,研究并设计了基于AI视觉的微型无人机救援系统,该系统可以通过远程遥控微型无人机,AI视觉系统会自动识别微型无人机远程图像中的景物,将受灾的人识别出来并记录当前微型无人机的地理坐标。本文的主要工作如下:1)设计并实现了一个微型无人机系统。该系统采用STM32F411作为控制器,通过MPU9250实时获取微型无人机X、Y、Z轴的加速度、角速度和磁场强度,并通过姿态融合算法计算出当前微型无人机的姿态角,进而通过4路PWM控制4个直流电机来控制微型无人机的飞行姿态,实现微型无人机起降、飞行的功能。还使用了BMP280大气压强计、PWM3901光学追踪传感器和VL53L01激光测距传感器实现微型无人机的悬停、定高和定点飞行的功能。经实际测试,该系统较好的实现了定高飞行和定点飞行的功能,扰动后恢复时间在1-3秒内,其5.8G图传帧频为15-25fps,可在半径100米的范围内精准遥控。2)在上位机上实现了AI智能救援系统。为提高自然救灾系统的性能,本文提出了一种基于多尺度特征融合和区域建议网络(RPN)的改进型快速区域卷积神经网络(Faster RCNN)网络。该网络在传统的Faster RCNN中增加了特征金字塔网络层(FPN),并采用关注损失函数替代了原有的交叉熵损失函数,使得检测的图片更具鲁棒性和一般性前景特征,在自然灾害等恶劣的环境中具有较高的识别准确度。还改进了其中的RPN网络,能够大幅度减少建议区域的生成时间,极大的提高了搜寻效率。实验证明,该系统将受灾关键物体识别出来的概率高达89%,并能准确获取当前无人机地理坐标,满足在较复杂自然灾害环境下物体的识别。