基于YOLOv5的微小型无人机实时探测方法
无人机的广泛应用在给生产生活带来便利的同时,也对公共安全构成了威胁,这就需要对非法飞行的无人机进行探测和识别.然而,微小无人机因体积小运动灵活,使得传统的雷达、光电等探测手段难以应对.为此,提出了一种基于YOLOv5深度学习网络框架的微小无人机实时探测方法.通过拍摄无人机飞行姿态构建实验数据集,并进行标注.随后利用数据集对YOLOv5网络模型进行训练,测试训练效果,通过数据集测试网络模型能达到94.2%的精确率、82.8%的召回率和93.5%的平均精度.最后,对模型在真实场景下进行测试,视频流帧速率为30 FPS条件下,可在30 m范围内准确识别出特征尺寸为200 mm以上的无人机,并具有较好的实时性.
目标检测、YOLOv5、微小型无人机、实时探测、深度学习
43
TP391.4(计算技术、计算机技术)
国家自然科学基金51975584
2022-07-01(万方平台首次上网日期,不代表论文的发表时间)
共6页
232-237