一种基于YOLO的搜索救援自动无人机导航系统和方

本发明涉及基于yolo的搜索救援自动无人机导航系统和方法，提供了一种基于you only look once(yolo)算法的搜索救援自动无人机导航系统，属于搜索救援。背景技术：1、近年来，深度学习技术的发展为图像识别和目标检测带来了革命性的进步。youonly look once(yolo)算法作为一种高效的目标检测方法，能够在实时环境中快速准确地识别多种目标。在一些紧急情况下，如地震、洪水、雪崩或失踪人员搜救，快速准确地定位受害者至关重要。2、传统的搜索救援方法依赖于人力和地面设备，这在复杂或危险的环境条件下效率不高且风险较大。而自动无人机需要准确地识别和分类多种目标，如人员、车辆、残骸等。传统的图像处理和目标检测方法在速度和准确性上往往难以满足实时搜索的需求。随着人工智能技术的发展，特别是目标检测算法如yolo的应用，为搜索救援领域提供了新的可能性。3、中国专利cn113807464b公开一种基于改进yolo v5的无人机航拍图像目标检测方法，属于深度学习和目标检测领域。该方法首先利用无人机航拍图像构建相关数据集，然后在yolo v5主干网络部分利用卷积层替换focus模块中的切片层，接着利用neck部分对图像特征进一步处理，然后针对无人机高空航拍视角带来的目标杂散分布且目标占像素比过小问题，在网络预测层部分优化剔除76×76×255的大检测头，并同时调整锚框，最后通过泛化交并比、平均精度以及推理速度评价目标检测性能。该方法在提高识别准确率和特征提取性能的基础之上，能够实现对无人机航拍图像目标的快速、准确检测。技术实现思路1、针对目前传统的搜索救援方法依赖于人力和地面设备，这在复杂或危险的环境条件下效率不高且风险较大，自动无人机难以满足实时搜索需要的问题，提出基于yolo的搜索救援自动无人机导航系统和方法，该系统利用yolo算法的高效目标检测能力，结合无人机的机动性，实现在复杂环境下的快速搜索和自主导航，从而显著提高搜索救援的效率和成功率。2、一种基于yolo的搜索救援自动无人机导航系统，包括：3、实时监控设备，为配备有摄像头和计算机系统的自动无人机，用于采集搜索区域的实时图像信息；4、监控系统，用于汇总所述自动无人机传输的实时搜索区域图像信息；5、自定义深度学习模型训练端，用于训练yolo深度学习模型，训练完成的模型会部署到算法模块；6、算法模块，由yolo对象检测模块和一个本地的web服务组成，其在一个本地端口上实现了一个webapi，该api接受图像的base64编码，并返回检测的结果；该web服务在启动时，会在内存或显存中创建yolo模型，并且加载在自定义深度学习模型训练端训练好的yolo模型文件、模型为eval模式，后开始监听端口，提供api服务；在api被调用时，会将base64编码解码成图片，并使用padding和resize将图片调整到模型训练时的输入像素大小，之后通过yolo算法实时检测和跟踪目标；7、后端程序，用于根据用户配置，循环地从监控系统中获取所需检测的无人机搜索区域实时图像数据，并调用算法模块对图像数据进行检测，将检测后的结果与搜索目标进行比对判断，最后将结果反馈给人机交互界面；8、人机交互界面，用于与用户进行交互、用户可以进行检测的配置、结果查询以及实时查看目标导航信息以及实时通信信息。9、所述实时监控设备与监控系统相连接，所述监控系统分别与自定义深度学习模型训练端和后端程序相连接，所述后端程序分别与人机交互界面和算法模块相连接，所述算法模块与自定义深度学习模型训练端相连接。10、所述后端程序包括基本配置模块和循环检测模块；11、基本配置模块，用于保存用户的基本设置；12、循环检测模块，用于按照用户设置内容循环地从监控系统中抓取实时自动无人机搜索区域图像，并使用封装好地算法接口，调用功能对抓取地图像进行检测，然后将检测结果返回至人机交互界面。13、所述人机交互界面包括目标搜寻模块、导航模块、通信模块、日志查询模块、检测配置模块、检测结果模块；14、目标搜寻模块，用于用户自定义特定目标；15、导航模块，用于接收目标检测结果和跟踪数据并控制无人机飞行路径；16、通信模块，提供目标位置和状态实时更新；17、日志查询模块，用于对日志的查询；18、检测配置模块，用于配置所需检测区域参数、频率、类别参数；19、检测结果模块，用于查看检测结果的汇总信息、以及警报信息。20、所述导航模块根据目标检测和跟踪数据实时调整无人机的飞行路径。21、所述通信模块提供目标位置的实时视频流给搜索救援团队。22、所述自定义深度学习模型训练端包括数据标注和预处理模块、yolo对象检测模块；23、数据标注和预处理模块由人工完成，对从监控系统中采集的图片，先进行初步的筛选和整理，筛选掉相近的图片或者对训练模型无关的图片，然后对筛选出来的图片使用labelimg工具进行人工标注，将图片中的需要自定义的目标对象框出，左后导出包含检测框信息的xml文件，制作成数据集；24、yolo训练模块使用标注好的数据集，在计算机端进行yolo模型的目标检测训练，经过数次迭代后，得到训练好的yolo模型文件。25、所述yolo对象检测模块被训练以检测特定目标，如人员、车辆或特定对象。26、与现有技术相比，本发明的有益效果在于：27、本发明利用yolo算法提高目标检测的准确性和速度。自动导航系统减少了人力需求，提高了搜索救援的效率。无人机的使用降低了在危险环境中进行搜索救援操作的风险。28、本发明所涉及的基于yolo的搜索救援自动无人机导航系统和方法包括实时监控设备、监控系统、自定义深度学习模型训练端、算法模块、后端程序，人机交互界面，训练完成的模型会部署到算法模块中，根据用户配置，循环地从监控系统中获取无人机摄像的实时图像，并调用算法模块对图像进行检测，所得检测结果与搜索目标进行比对判断后，将最终结果反馈给人机交互界面。该系统能够实时检测和目标导航，从而提高搜索救援的效率和准确性。技术特征：1.一种基于yolo的搜索救援自动无人机导航系统，其特征在于：包括：2.根据权利要求1所述的一种基于yolo的搜索救援自动无人机导航系统，其特征在于：所述实时监控设备与监控系统相连接，所述监控系统分别与自定义深度学习模型训练端和后端程序相连接，所述后端程序分别与人机交互界面和算法模块相连接，所述算法模块与自定义深度学习模型训练端相连接。3.根据权利要求1所述的一种基于yolo的搜索救援自动无人机导航系统，其特征在于：所述后端程序包括：4.根据权利要求1所述的一种基于yolo的搜索救援自动无人机导航系统，其特征在于：所述人机交互界面包括：5.根据权利要求4所述的一种基于yolo的搜索救援自动无人机导航系统，其特征在于：所述导航模块根据目标检测和跟踪数据实时调整无人机的飞行路径。6.根据权利要求4所述的一种基于yolo的搜索救援自动无人机导航系统，其特征在于：所述通信模块提供目标位置的实时视频流给搜索救援团队。7.根据权利要求1所述的一种基于yolo的搜索救援自动无人机导航系统，其特征在于：所述自定义深度学习模型训练端：8.根据权利要求1所述的一种基于yolo的搜索救援自动无人机导航系统，其特征在于：所述yolo对象检测模块被训练以检测特定目标，如人员、车辆或特定对象。9.一种根据权利要求1-8所述的基于yolo的搜索救援自动无人机导航系统的操作方法，其特征在于：包括以下步骤：技术总结本发明涉及一种基于YOLO的搜索救援自动无人机导航系统和方法，包括实时监控设备，监控系统，自定义深度学习模型训练端，算法模块，后端程序和人机交互界面，该系统利用YOLO算法的高效目标检测能力，结合无人机的机动性，实现在复杂环境下的快速搜索和自主导航，从而显著提高搜索救援的效率和成功率。技术研发人员：秦华伟,吴虹达,潘培明受保护的技术使用者：杭州电子科技大学技术研发日：技术公布日：2024/8/16