蔡振宇,王泽锴,陈特欢,李文来

基于YOLOv3的正下无人机视角挖掘机实时检测方法

蔡振宇,王泽锴,陈特欢*,李文来

（宁波大学 机械工程与力学学院, 浙江 宁波 315211）

针对无人机巡检的智能化要求, 提出一种应对高空巡检场景下的实时挖掘机检测模型. 该模型以YOLOv3为基础, 将骨干网络精简至43层, 通过特征融合策略使检测任务在两个尺度上进行. 此外模型还借鉴了focal loss的思想设计损失函数. 文中实验对象为正下无人机视角的挖掘机目标. 在完成了数据集的搭建工作后, 根据正下无人机视角的目标特性进行训练, 使模型达到最优解. 最终经实验验证, 在相同输入尺寸的情况下, 本文所提出的检测模型比YOLOv3准确率更高、鲁棒性更好, 且帧数可提升10帧·s-1.

无人机视角; YOLOv3; 特征融合; 目标检测

当前工程中的巡检任务多为人工实现, 人工巡检存在效率低下、巡检频次低、成本过高等诸多问题[1]. 而无人机自动巡检技术为巡检任务提供了一种智能化的解决方案, 能够在很大程度上取代人工巡检. 其中对高空环境下目标检测技术的研究是无人机在精准货物投送、自主充电、目标跟随飞行等无人机自主行为领域的基础, 具有较高的应用价值.

在经典的机器学习方法中, 对于目标特征的提取是工作的核心内容, 通常会采用尺度不变特征变换[2]、方向梯度直方图[3]等方法进行特征提取. 再将所得的特征输入诸如支持向量机[4]、迭代器(AdaBoost)[5]等分类器之中. 然而所提取的特征……