国偷自产一区二区免费视频,美女免费视频一区,九九热线视频只有这里最精品,欧美日韩一区成人

圖7 四旋翼監(jiān)測(cè)無(wú)人機(jī)

Alam等人為了減輕無(wú)人機(jī)機(jī)載嵌入式處理器的計(jì)算壓力，增強(qiáng)YBUT的實(shí)用性，提出了一種高性價(jià)比的空中監(jiān)視系統(tǒng)，該系統(tǒng)保留了機(jī)載嵌入式處理器Movidius VPU上有限的Tiny-YOLO計(jì)算需求，將大型Tiny-YOLO計(jì)算任務(wù)轉(zhuǎn)移到云端，并保持無(wú)人機(jī)與云之間的最小通信。與其他最先進(jìn)的方法相比，該系統(tǒng)在每秒幀數(shù)的目標(biāo)檢測(cè)處理速度方面快六倍，同時(shí)機(jī)載嵌入式處理器技術(shù)的應(yīng)用降低了端到端延遲和網(wǎng)絡(luò)資源消耗（見(jiàn)圖8）。

圖8 由Alam等人完成系統(tǒng)設(shè)計(jì)

Doukhi等人使用了配備N(xiāo)vidia Jetson TX2高性能嵌入式處理器和PID控制器的無(wú)人機(jī)。然后，他們將YOLOv3算法部署在嵌入式處理器中，利用基于YOLO的目標(biāo)檢測(cè)算法直觀地引導(dǎo)無(wú)人機(jī)跟蹤檢測(cè)到的目標(biāo)，同時(shí)使用PID控制器控制無(wú)人機(jī)飛行。實(shí)驗(yàn)結(jié)果表明，所提方法僅通過(guò)魚(yú)眼相機(jī)成功實(shí)現(xiàn)了定位和無(wú)人機(jī)跟蹤飛行的視覺(jué)SLAM，無(wú)需外部定位傳感器或引入GPS信號(hào)（見(jiàn)圖9）。

圖9 基于深度學(xué)習(xí)的運(yùn)動(dòng)控制軟件架構(gòu)。圖中紅色圓圈表示YOLOv3算法中的輸入RGB圖像，橙色圓圈表示YOLOv3算法的計(jì)算過(guò)程，藍(lán)色圓圈表示YOLOv3算法檢測(cè)到的目標(biāo)和邊界框數(shù)據(jù)

Afifi等人提出了一個(gè)用于多場(chǎng)景行人檢測(cè)的強(qiáng)大框架，該框架使用YOLO-v3物體檢測(cè)作為骨干檢測(cè)器（見(jiàn)圖10），并在無(wú)人機(jī)上的Nvidia Jetson TX2嵌入式處理器上運(yùn)行。來(lái)自多個(gè)室外行人檢測(cè)場(chǎng)景的實(shí)驗(yàn)結(jié)果表明，與YOLOv3算法相比，隨著嵌入式處理器計(jì)算資源的增加，所提出的檢測(cè)框架在mAP和FPS方面表現(xiàn)出更好的性能。

圖10 行人檢測(cè)框架的工作流程

YBUT已應(yīng)用較為成熟的研究領(lǐng)域是輸電線路檢測(cè)、建筑表面檢測(cè)、動(dòng)目標(biāo)跟蹤、儀表顯示讀數(shù)、光伏組件檢測(cè)、建筑識(shí)別與分類(lèi)。根據(jù)目前的調(diào)查，YBUT在工程領(lǐng)域的應(yīng)用研究中，研究人員更喜歡傳輸線檢測(cè)的方向。在復(fù)雜環(huán)境中可以準(zhǔn)確識(shí)別、分類(lèi)和定位電力線桿、絕緣子、電氣元件、配電線桿、輸電塔、鳥(niǎo)巢和斷路器等物體。例如，Bao等人提出了一種端到端并行混合注意力檢測(cè)YOLO網(wǎng)絡(luò)（PMA-YOLO），通過(guò)無(wú)人機(jī)收集傳輸線減振器數(shù)據(jù)，然后創(chuàng)建一個(gè)數(shù)據(jù)集來(lái)訓(xùn)練和測(cè)試模型;結(jié)果表明，該模型能夠檢測(cè)異常減振器，準(zhǔn)確率為93.8%（見(jiàn)圖11）。

圖11 PMA-YOLO網(wǎng)絡(luò)檢測(cè)異常減振器的實(shí)驗(yàn)結(jié)果。“生銹”、“有缺陷”和“正常”阻尼器的地面實(shí)況框和預(yù)測(cè)框分別以黃色、紅色、藍(lán)色和綠色顯示

最近，Alsanad等人提出了一種改進(jìn)的YOLOv3算法，用于低空空域的小型無(wú)人機(jī)檢測(cè);實(shí)驗(yàn)表明，所公開(kāi)的改進(jìn)算法模型能夠有效檢測(cè)復(fù)雜環(huán)境下的低空無(wú)人機(jī)（見(jiàn)圖12），并可成功應(yīng)用于反無(wú)人機(jī)研究領(lǐng)域管理低空空域無(wú)人機(jī)。基于已有研究，該方法進(jìn)一步提高了YBUT的低空小型無(wú)人機(jī)探測(cè)性能。

圖12 改進(jìn)的YOLOv3無(wú)人機(jī)檢測(cè)算法結(jié)果

為了進(jìn)一步管理和約束生活中的各種運(yùn)輸方式，BUT在運(yùn)輸領(lǐng)域進(jìn)行了多次嘗試。例如，F(xiàn)eng等人提出了一種基于YOLOv3的無(wú)人機(jī)檢測(cè)方法（見(jiàn)圖13）。

圖13 基于城市道路視頻的車(chē)輛檢測(cè)結(jié)果

Omar等人提出了一種基于YOLOv4算法的航拍圖像車(chē)輛檢測(cè)方法（見(jiàn)圖14）。

圖14 （a）無(wú)人機(jī)采集圖像，（b）無(wú)人機(jī)圖像檢測(cè)結(jié)果

城市交通管理應(yīng)用和城市道路管理都是YBUT技術(shù)應(yīng)用的重要方向。Silva等人設(shè)計(jì)了一個(gè)分布式無(wú)人機(jī)平臺(tái)，部署YOLOv4來(lái)檢測(cè)道路損壞（見(jiàn)圖15）。

圖15 道路損壞檢測(cè)結(jié)果

Zhao等人提出了一種基于YOLOv3的無(wú)人機(jī)高速公路中心標(biāo)記檢測(cè)算法，YOLO-Highway（見(jiàn)圖16）。

圖16 各種環(huán)境條件下道路標(biāo)志的檢測(cè)結(jié)果

在農(nóng)業(yè)領(lǐng)域，許多棘手的工作已經(jīng)有了基于YBUT的新解決方案。隨著YBUT的不斷發(fā)展和擴(kuò)展，現(xiàn)在可以檢測(cè)大型植物物種中的不同目標(biāo)和特征，例如在枯樹(shù)檢測(cè)，松枯萎病線蟲(chóng)病檢測(cè)（見(jiàn)圖17），松樹(shù)枯萎病檢測(cè)，油棕樹(shù)果實(shí)檢測(cè)和其他任務(wù)。

圖17（a，b）是患病樹(shù)木檢測(cè)區(qū)域的原始圖像，（c，d）是MobileNetv2-YOLOv4算法檢測(cè)該區(qū)域病樹(shù)的結(jié)果

此外，YBUT還可用于涉及小型植物的分析，例如豌豆和草莓周?chē)碾s草檢測(cè)（見(jiàn)圖18），田間小麥表型監(jiān)測(cè)和番茄發(fā)芽器檢測(cè)。

圖18 豌豆作物面積和草莓作物面積的雜草鑒定結(jié)果

移動(dòng)目標(biāo)，如動(dòng)物，也可以高精度地檢測(cè)、分類(lèi)和計(jì)數(shù)（見(jiàn)圖22）。

圖19 使用YOLOv5s改進(jìn)模型檢測(cè)馴鹿和梅花鹿的計(jì)數(shù)

隨著無(wú)人駕駛概念的增加，某些應(yīng)用已迅速實(shí)現(xiàn)自動(dòng)化。Kraft等人提出了一種基于YOLOv4的方法，通過(guò)使用無(wú)人機(jī)在公園中定位垃圾。實(shí)驗(yàn)結(jié)果表明，無(wú)人機(jī)可以檢測(cè)垃圾，并且可以在固定區(qū)域內(nèi)收集垃圾位置數(shù)據(jù)，同時(shí)在地圖上標(biāo)記垃圾位置，以便清掃人員查看，以便于清潔（見(jiàn)圖20）。

圖20 使用 YOLOv4 檢測(cè)無(wú)人機(jī)數(shù)據(jù)集的結(jié)果