无人机图像风力发电机轮毂中心检测与跟踪

• 全文链接
• 请求原文

作   者：

范玉莹;  何赟泽;  孙高森;  王洪金;  刘昊;  李杰; 

作者机构：

中南勘测设计研究院有限公司;  湖南大学; 

关键词：

CBAM;  卡尔曼滤波;  无人机;  风力发电机;  改进YOLOv5;  检测跟踪; 

期刊名称：

中国测试

i s s n：

1674-5124

年卷期：

2022 年 48 卷 007 期

页   码：

90-96

摘   要：

无人机自主巡检风力发电机的首要步骤是识别和定位风机对象,对目标巡检持续跟踪.无人机运动过程中涉及到风机对象的实时检测与跟踪.该文在无人机高空捕获图像的限制条件下,选择风机轮毂作为特征组件,研究基于改进YOLO方法与卡尔曼滤波器的风机轮毂检测跟踪方法.基于YOLOv5深度卷积神经网络算法自主提取风机轮毂图像特征,设计融合通道和空间信息的CBAM注意力机制,提高目标特征关注度,改进YOLOv5的Backbone主干网络,提高了检测效率和精度,通过建立轮毂数据集,训练回归网络得到风机轮毂检测模型,算法精度达99.5%,推理速度达212?F/s.针对运动目标无人机设计卡尔曼滤波器实现对定位结果的连续稳定跟踪,将主流卷积神经网络与经典滤波器算法结合,得到稳定高效的特征跟踪结果.最后,在实际风场环境中利用无人机与云台相机拍摄进行实验,验证了该方案的可行性与优越性.