Baru -baru ini, pasukan penyelidikan yang disokong oleh Sumber Teknikal Teknologi Huirui (https: //www.huirui - ir.com/) telah mencapai kejayaan utama dalam bidang pencarian dan penyelamatan berasaskan UAV - Dengan membina dataset pengimejan haba inframerah yang berdedikasi, meningkatkan algoritma pengesanan sasaran, dan membangunkan sistem carian pintar, pasukan itu telah menangani masalah kesakitan yang rendah dan ketepatan yang tidak mencukupi untuk mencari dan menyelidiki secara lancar.
Latar Belakang R & D: Permintaan segera untuk mencari dan menyelamat luar, kesesakan dalam teknologi tradisional
Dengan populasi aktiviti pengembaraan luar dan kerap berlaku bencana alam dan kemalangan utama, keperluan untuk ketepatan masa dan ketepatan pencarian dan penyelamatan untuk kakitangan yang terperangkap telah meningkat dengan ketara. Menurut "Laporan Kemalangan Pengembaraan Luar China" (2020 - 2023) yang dikeluarkan oleh Persatuan Pengembaraan China, bilangan kemalangan pengembaraan luar dan kecederaan di China telah meningkat tahun demi tahun. Walau bagaimanapun, kaedah pencarian dan penyelamatan tradisional seperti anjing mencari dan menyelamat dan carian manual tidak cekap dan sangat mudah terdedah kepada gangguan alam sekitar. Teras-teras Lmal Thermal tradisional yang dilengkapi dengan kamera cahaya yang kelihatan mempunyai keupayaan pengiktirafan terhad dalam senario dengan oklusi hutan yang padat dan cahaya yang tidak mencukupi. Walaupun kamera pengimejan haba inframerah dapat menangkap sinaran terma manusia, ketepatan pengiktirafan mereka untuk sasaran sebahagiannya masih perlu diperbaiki. Terhadap latar belakang ini, pasukan menjalankan penyelidikan mengenai teknologi utama untukTeras Thermal Lmaging- Pengesanan kakitangan yang terperangkap dalam persekitaran sebahagiannya.
● Pencapaian Teras 1: Pembinaan dataset pengimejan terma inframerah UAV -
Untuk menyelesaikan masalah bahawa dataset sedia ada tidak menyesuaikan diri dengan senario yang disekat, pasukan itu membina teras haba termal yang berdedikasi - berasaskan data pengimejan haba inframerah untuk pengesanan sasaran manusia sebahagiannya. Dataset ini terdiri daripada imej haba inframerah yang dikumpulkan oleh teras LMAL LMAL di tiga ketinggian penerbangan (kira -kira 30m, 50m, dan 70m) dan di bawah empat keadaan cuaca (mendung, mendung, berkabus, dan cerah), berjumlah 8,768 imej terma inframerah, yang meliputi sasaran manusia yang berkumpul.
Proses pembinaan dataset dengan tegas mengikuti "pengambilalihan sistematik - anotasi teliti - aliran kerja yang ketat", akhirnya membentuk kotak terikat 25,811. Melalui kaedah statistik seperti Kruskal - ujian Wallis, Mann - Whitney U Test, dan pembetulan Bonferroni, pasukan menjelaskan kesan kadar oklusi dan ketinggian penerbangan pada prestasi pengesanan, memberikan sokongan data teras untuk peningkatan algoritma berikutnya. Berbanding dengan dataset awam yang sedia ada (seperti Visdrone, memukul - UAV, dan dataset AOS), dataset ini menunjukkan kelebihan yang ketara dalam kebolehsuaian senario yang diselaraskan, kepelbagaian data, dan ketepatan anotasi, mengisi jurang yang berasaskan.
● Pencapaian Teras 2: Penambahbaikan algoritma pengesanan sasaran untuk meningkatkan ketepatan pengesanan sasaran yang tersekat
Bertujuan dengan batasan rangkaian YOLOV10 dalam mengesan sasaran kecil dan sebahagiannya, pasukan mencadangkan model pengesanan sasaran yang lebih baik, yang mengoptimumkan rangkaian tulang belakang, struktur leher, dan kepala pengesanan dari tiga aspek:
Pengoptimuman Rangkaian Backbone: Modul Repmsattn diperkenalkan untuk meningkatkan keupayaan pengekstrakan ciri skala - dan meningkatkan kecekapan menangkap ciri -ciri tempatan sasaran yang tidak disengajakan;
Pengoptimuman struktur leher: Modul FullScaleConnect diguna pakai untuk mencapai gabungan kedalaman - ciri -ciri skala multi - dan mengurangkan kerugian ciri yang disebabkan oleh oklusi;
Pengoptimuman kepala pengesanan: Modul SCDetect disepadukan untuk merealisasikan perkongsian maklumat klasifikasi dan mengurangkan pengesanan palsu dan kadar pengesanan yang tidak dijawab dalam senario yang tersekat.
Data eksperimen menunjukkan bahawa pada dataset yang dibina sendiri -, map@0.5: 0.95 indeks model yang lebih baik adalah 3 mata peratusan lebih tinggi daripada YOLOV10s dan 4 mata peratusan lebih tinggi daripada Yolov8s, menunjukkan keteguhan dan kebolehsuaian yang lebih kuat dalam senario sasaran dan ketegangan yang lebih kuat dan sasaran sasaran sasaran kecil.
● Pencapaian Teras 3: Pembangunan sistem carian pintar untuk merealisasikan aplikasi kejuruteraan
Berdasarkan model pengesanan sasaran yang lebih baik, pasukan itu merancang dan melaksanakan sistem carian pintar untuk kakitangan yang terperangkap dalam persekitaran yang sebahagiannya tersekat. Sistem ini mempunyai fungsi teras seperti pengesanan automatik imej/video UAV dan paparan visual hasil, yang meliputi dua modul utama: proses perniagaan pentadbir dan proses perniagaan pengguna, dan operasi sokongan seperti pengesanan sasaran, pertanyaan rekod sejarah, dan pengurusan pengguna.
Persekitaran pembangunan sistem serasi dengan perisian arus perdana dan arkitek perkakasan, yang memaparkan mudah alih dan skalabilitas. Pengesahan eksperimen menunjukkan bahawa sistem itu dapat dengan cepat bertindak balas terhadap data pengimejan haba inframerah yang dikumpulkan oleh UAVs, merealisasikan kedudukan dan pengiktirafan yang tepat {{1})
Nilai permohonan dan perancangan masa depan
Pencapaian R & D ini bukan sahaja memecah kesesakan teknikal pencarian dan penyelamatan UAV dalam persekitaran yang sebahagiannya terpencil tetapi juga mempromosikan integrasi kedalaman - integrasi teknologi pengimejan haba inframerah, algoritma pembelajaran mendalam, dan sistem UAV. Pada masa akan datang, bergantung kepada platform teknikal teknologi Huirui, pasukan itu akan terus mengoptimumkan kelajuan kesimpulan model pengesanan sasaran yang lebih baik, memperluaskan senario aplikasi sistem dalam cuaca yang melampau (hujan lebat, salji yang berat) dan kawasan yang kompleks (gunung, runtuhan), dan mempromosikan industri {}} teknologi.
