基于无人机航拍和改进的YOLOv3的水面漂浮物目标检测系统技术方案

本发明专利技术公开了基于无人机航拍和改进的YOLOv3的水面漂浮物目标检测系统，无人机飞控系统包括无人机姿态测量系统和主控制器，无人机姿态测量系统由加速度传感器和陀螺仪构成，主控制器由姿态解算和控制计算构成；图像采集系统由图像检测系统、图像拍摄系统和图像传输系统构成，图像检测系统选择改进的YOLOv3神经网络作为检测模型；软件系统是通过pythonqt编写到PC端的界面，并且将神经网络部署在PC端上，本发明专利技术通过无人机航拍图传到PC端进行分析，可以有效的解决了水面漂浮物覆盖范围大、移动能力强，人工不能实时检测整体河道水面漂浮物的种类和数量问题；同时本系统采用改进的YOLOv3神经网络可以更好的适配水面漂浮物目标检测。标检测。标检测。

【技术实现步骤摘要】
基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统


[0001]本专利技术涉及人工智能领域，具体为基于无人机航拍和改进的YOLOv3的水面漂浮物目标检测系统。

技术介绍

[0002]水面漂浮物是影响湖道河道水质的一个重要因素，定时清理有害水面漂浮物可以有效保护水面环境。现如今水面漂浮物检测主要是依靠人工观察，不仅效率低，速度慢，而且水面漂浮物覆盖范围大、移动能力强，人工不能实时的检测整体河道水面的漂浮物的种类和数量；为此提供了基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，基于改进的YOLO v3通过无人机航拍图传至PC端进行数据可视化来实现对于河道整体水面污染物的实时检测。

技术实现思路

[0003]本专利技术的目的是针对现有技术的缺陷，提供基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，以解决上述
技术介绍
提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，包括无人机飞控系统、图像采集系统和软件系统，所述无人机飞控系统包括无人机姿态测量系统和主控制器，所述无人机姿态测量系统由加速度传感器和陀螺仪构成，所述主控制器由姿态解算和控制计算构成；所述图像采集系统由图像检测系统、图像拍摄系统和图像传输系统构成，所述图像检测系统选择改进的YOLO v3神经网络作为检测模型；所述软件系统是通过pythonqt编写到PC端的界面，并且将神经网络部署在PC端上，所述软件系统与图像采集系统通过无线通讯模块相连。
[0005]作为本专利技术的一种优选技术方案，所述主控制器通过无线通讯模块与遥控器相连，所述主控制器与驱动电机电性连接，所述无人机姿态测量系统与主控制器相连。
[0006]作为本专利技术的一种优选技术方案，所述无人机飞控系统的硬件包括无人机和全景摄像头，所述全景摄像头安装在无人机的底部上。
[0007]作为本专利技术的一种优选技术方案，所述图像拍摄系统是通过摄像头对图像检测系统所检测到的物品进行拍摄，所述图像传输系统采用蓝牙或5G模块进行图像传输。
[0008]作为本专利技术的一种优选技术方案，所述YOLO v3的改进步骤如下：
[0009]S1：利用kmeans++算法来改进锚盒的选择，通过使用kmeans++ 算法来解决现有K
‑
mean算法中需要人为输入不同k值会导致不同聚类结果的问题；
[0010]S2：提高小目标检测的权重，达到提高小目标检测的检测精度；
[0011]L
′
IOC
(x，y，w，h)＝(2
‑
wh)2L
IOC
(x，y，w，h)
[0012]S3：增大位置损失函数和分类损失函数系数，让YOLO v3更好的适配水面漂浮物这种多类别的目标检测，通过不断调的整系数，得出一个合适的权重系数；
[0013]L
loss
＝0.5l
ob
+1.6l
lo
+0.9l
cl
，
[0014][0015]S4：采用CIOU算法来改进IOU对目标物体的尺寸不敏感，不能反应出检测框和真实框再不重叠时候的距离问题；
[0016]S5：采用mAP率和FPS来衡量YOLO v3的精度和速度；
[0017][0018][0019][0020]作为本专利技术的一种优选技术方案，所述S1中改进后的算法具体步骤如下：
[0021]S11：输入数据；
[0022]S12：随机选择聚类中心；
[0023]S13：计算所有点聚类中心距离D(x)，并根据D(x)选择新聚类中心；
[0024]S14：两聚类中心聚类是否满足要求，如果不满足则返回到S13 中，如果满足，则对该聚类中心进行存储；
[0025]S15：再判断聚类中心总数是否等于K，如果不等于K，则返回到 S12中再进行随机选择聚类中心，如果等于K，则通过K均值聚类分析算法进行计算。
[0026]作为本专利技术的一种优选技术方案，无人机的飞行拍摄和目标检测方法，具体步骤如下：
[0027]步骤1：将无人机防止水平面上，通过遥控器控制无人机启动升空；
[0028]步骤2：通过远程控制无人机上的摄像头对水面漂浮物进行航拍；
[0029]步骤3：图像通过无线通讯模块传输至PC端，利用PC端实时处理图片信息，然后进行数据保存，与此同时无人机持续飞行，直到接收返航信息才会自动返航。
[0030]本专利技术的有益效果是：本专利技术通过无人机航拍图传到PC端进行分析，可以有效的解决了水面漂浮物覆盖范围大、移动能力强，人工不能实时检测整体河道水面漂浮物的种类和数量问题；同时本系统采用改进的YOLO v3神经网络可以更好的适配水面漂浮物目标检测；同时本系统通过检测船泊、塑料瓶、牛奶盒、塑料瓶等17个种类可以有效科学的进一步分析水面漂浮物的对于河流的整体危害。
附图说明
[0031]图1为本专利技术kmeans++算法流程图；
[0032]图2为本专利技术YOLO v3的神经网络结构图；
[0033]图3为本专利技术的无人机飞控系统的框图；
[0034]图4为本专利技术检测方法流程图；
[0035]图5为本专利技术实施例1实验结果数据图。
具体实施方式
[0036]下面结合附图对本专利技术的较佳实施例进行详细阐述，以使本专利技术的优点和特征能更易被本领域人员理解，从而对本专利技术的保护范围做出更为清楚明确的界定。
[0037]请参阅图1
‑
4，本专利技术提供一种技术方案：基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，包括无人机飞控系统、图像采集系统和软件系统，无人机飞控系统包括无人机姿态测量系统和主控制器，无人机姿态测量系统由加速度传感器和陀螺仪构成，主控制器由姿态解算和控制计算构成；图像采集系统由图像检测系统、图像拍摄系统和图像传输系统构成，图像检测系统选择改进的YOLO v3 神经网络作为检测模型；软件系统是通过pythonqt编写到PC端的界面，并且将神经网络部署在PC端上，软件系统与图像采集系统通过无线通讯模块相连。
[0038]主控制器通过无线通讯模块与遥控器相连，主控制器与驱动电机电性连接，无人机姿态测量系统与主控制器相连；无人机飞控系统的硬件包括无人机和全景摄像头，全景摄像头安装在无人机的底部上；图像拍摄系统是通过摄像头对图像检测系统所检测到的物品进行拍摄，图像传输系统采用蓝牙或5G模块进行图像传输。
[0039]YOLO v3的改进步骤如下：
[0040]S1：利用kmeans++算法来改进锚盒的选择，通过使用kmeans++ 算法来解决现有K
‑
mean算法中需要人为输入不同k值会导致不同聚类结果的问题；
[0041]YOLOv3通过借用Fast
‑
RCNN的思想使用锚定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，包括无人机飞控系统、图像采集系统和软件系统，其特征在于：所述无人机飞控系统包括无人机姿态测量系统和主控制器，所述无人机姿态测量系统由加速度传感器和陀螺仪构成，所述主控制器由姿态解算和控制计算构成；所述图像采集系统由图像检测系统、图像拍摄系统和图像传输系统构成，所述图像检测系统选择改进的YOLO v3神经网络作为检测模型；所述软件系统是通过pythonqt编写到PC端的界面，并且将神经网络部署在PC端上，所述软件系统与图像采集系统通过无线通讯模块相连。2.根据权利要求1所述的基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，其特征在于：所述主控制器通过无线通讯模块与遥控器相连，所述主控制器与驱动电机电性连接，所述无人机姿态测量系统与主控制器相连。3.根据权利要求1所述的基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，其特征在于：所述无人机飞控系统的硬件包括无人机和全景摄像头，所述全景摄像头安装在无人机的底部上。4.根据权利要求1所述的基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，其特征在于：所述图像拍摄系统是通过摄像头对图像检测系统所检测到的物品进行拍摄，所述图像传输系统采用蓝牙或5G模块进行图像传输。5.根据权利要求1所述的基于无人机航拍和改进的YOLO v3的水面漂浮物目标检测系统，其特征在于：所述YOLO v3的改进步骤如下：S1：利用kmeans++算法来改进锚盒的选择，通过使用kmeans++算法来解决现有K
‑
mean算法中需要人为输入不同k值会导致不同聚类结果的问题；S2：提高小目标检测的权重，达到提高小目标检测的检测精度；L
′
IOC
...

【专利技术属性】
技术研发人员：李宏然，吴昊，华碧洋，吕铁力，张恒，张键，丁莉，王韵翔，张玉鹏，洪孔瑞，
申请(专利权)人：江苏海洋大学，
类型：发明
国别省市：