基于YOLOv2-Tiny的无人机火灾检测与云台跟踪研究

摘要：

针对PC(Personal Computer)在无人机火灾检测应用中的环境受限问题,提出了一种基于YOLOv2-Tiny的无人机火灾检测与云台跟踪方法.首先,在改进的YOLOv2-Tiny模型上进行预训练获得最优YOLOv2-Tiny模型,并在K210开发板上部署最优YOLOv2-Tiny模型;其次,将检测到的火灾图像传至云端并将火灾框选中心与图像中心之间的距离参数传递给PID进程,控制云台实现实时火灾跟踪;最后,通过无人机实际飞行验证火灾检测与云台跟踪的能力.实验结果表明,相较于YO?LOv2模型,YOLOv2-Tiny在测试集上具有更高的检出率,检出率达到96.66％,并且检测速度达到每秒14帧,云台跟踪中心位置像素误差(CPE)低于5,实时检测与跟踪过程中无人机姿态角保持相对稳定,该研究在火灾实时检测方面具有潜力.

关键词：无人机;YOLOv2-Tiny;云台跟踪;K210开发板;PID

所属期刊栏目：41

分类号：TP391;V279(计算技术、计算机技术)

资助基金：河南省重大科技专项181100110100

在线出版日期：2022-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：108-112