一种基于K210的快速检测黑飞无人机装置制造方法及图纸

本发明专利技术公开了一种基于K210的快速检测黑飞无人机装置，包括K210开发板、视频采集模块、数据处理模块、改进的YOLOv5计算模块及结果显示模块；视频采集模块，将摄像单元采集的视频数据进行预处理；数据处理模块，接收视频采集模块的图像或视频数据，调用双三次插值和中值滤波器处理数据并利用改进的YOLOv5计算模块进行推理运算；改进的YOLOv5计算模块，采用PP

【技术实现步骤摘要】
一种基于K210的快速检测黑飞无人机装置


[0001]本专利技术涉及计算机视觉领域，尤其涉及一种基于K210的快速检测黑飞无人机装置。

技术介绍

[0002]铁路作为无人机黑飞的重灾区，经常会受到黑飞无人机的干扰。随着民用无人机的普及和迅速发展，无人机的飞行门槛逐渐降低，由于不了解飞行规定，一些无人机航拍玩家误闯禁飞区域闯入铁路上方，可能会严重干扰铁路的正常运营，也随时带来公共安全危害。无人机能随时灵活地越过铁路的围墙、栅栏，在丝毫不惊动警卫人员和报警设备的情况下，窃密信息准确地投送到指定地点或者干扰我国铁路行驶安全。因此，在高铁运行安全防护方面，亟需研发对黑飞无人机的高精度低时延检测技术手段，对铁路立体防控体系的建立具有重要的实际意义。
[0003]黑飞无人机的入侵检测是计算机视觉领域的一个重要研究方向，旨在识别图像或视频中的多个黑飞无人机目标并为其绘制边界框。截至2023年，目标检测技术已经取得了很多重要的进展。该技术可划分为两阶段检测方法和单阶段检测方法等。两阶段方法的典型代表是R
‑
CNN系列（R
‑
CNN、Fast R
‑
CNN、Faster R
‑
CNN）。这些方法首先生成候选区域（region proposals），然后在这些区域上执行目标分类和边界框回归。虽然这类方法能够获得较高的检测精度，但其计算复杂度较高，实时性较差。单阶段方法的代表包括YOLO（YouOnly Look Once）和SSD（Single Shot MultiBox Detector）系列。与两阶段方法相比，这些方法在检测目标时不再需要生成候选区域，而是直接在图像上进行目标分类和边界框回归。单阶段方法的速度相比两阶段检测方法的更快。
[0004]黑飞无人机检测模型需要模型训练和推理两个过程，模型训练过程依赖海量图像样本的训练才能调整出较优的模型参数。由于海量图像的训练对功耗、存储、计算资源要求高，难以在嵌入式或移动设备上实现。因此，当前主要依赖带有GPU的云端系统实现模型训练。黑飞无人机检测模型推理运算，即采用训练后的模型，输入图像进行处理分析，获得目标信息。相比模型的训练，模型推理过程延迟较低、计算量较小，但对于计算资源有限的嵌入式或移动设备，在降低模型推理延迟时，往往会带来推理精度的降低。在提高模型推理精度时，又会使用较多的计算学习更多的特征，由此则带来推理延迟的升高。因此，在保证推理精度时，黑飞无人机检测速度与精度的有效平衡问题急需解决，进行实时的黑飞无人机检测模型推理仍面临着较大的挑战。

技术实现思路

[0005]本专利技术要解决的技术问题在于，提供一种检测速度快且可兼顾速度与精度平衡的基于K210的快速检测黑飞无人机装置。
[0006]本专利技术解决其技术问题所采用的技术方案是：该基于K210的快速检测黑飞无人机装置，包括基于K210RISC
‑
V芯片的开发板及分别与K210开发板电连接的视频采集模块、数
据处理模块、改进的YOLOv5计算模块及结果显示模块；其中，视频采集模块，用于将OV2680摄像单元实时采集的视频数据发送到数据处理模块进行处理；数据处理模块，用于接收视频采集模块的图像或视频数据，调用双三次插值进行数据的缩放和裁剪，应用中值滤波器减少数据中的噪声，并将处理后的数据输入改进的YOLOv5计算模块进行推理运算；改进的YOLOv5计算模块，用于接收数据处理模块发送的数据，利用PP
‑
LCNet主干网络加速推理，利用集成的SimAM无参注意力机制和CBAM注意力机制进行特征提取，并利用Vision Transformer提供全局感受信息，产生特征向量并输出结果；结果显示模块，用于将改进的YOLOv5计算模块集成到所设计的目标系统中，并将黑飞无人机检测结果在所设计的软件中显示。
[0007]进一步地，所述数据处理模块将处理后的数据输入改进的YOLOv5计算模块进行推理运算，包括从预处理后的图像中提取特征，包括图像的边缘特征、线性特征、中心特征、对角线特征、空间特征以及通道特征。
[0008]进一步地，所述改进的YOLOv5计算模块中的CBAM注意力机制包括通道注意力子模块和空间注意力子模块，通道注意力子模块负责关注无人机的通道特征，空间注意力子模块负责关注无人机的空间特征。
[0009]进一步地，所述改进的YOLOv5计算模块产生特征向量并输出结果，包括根据提取的特征，利用改进的YOLOv5计算模块进行图像分析及无人机识别，判断是否存在黑飞无人机，若是，则对黑飞无人机进行定位并输出最终结果。
[0010]进一步地，结果显示模块还包括黑飞无人机定位功能，用于通过网络单元格和滑动窗口检测，对检测到的黑飞无人机进行定位，获取无人机的位置信息，用非极大值抑制将置信度大于0.7的信息框保留，即为最终结果。
[0011]进一步地，结果显示模块还包括记录分析功能，用于将检测过程中的特征和分析结果进行记录和存储，在所设计的软件系统集成记录分析功能，后续进行检测系统装置的维护与更新。
[0012]进一步地，所述K210开发板为基于RISC
‑
V精简指令集的一款MCU嵌入式设计版YB
‑
DKA01 VER:1.0。
[0013]进一步地，所述K210开发板通过1.8v或3.3v的Tpye
‑
C接口连接有电源，K210开发板通过排线连接有摄像头，K210开发板的ESP8285
‑
WiFi模块，可联网实现IOT功能，K210开发板通过SDIO协议接口识别SD卡。
[0014]该基于K210的快速检测黑飞无人机装置，整个装置从视频采集模块、数据处理模块，到改进的YOLOv5计算模块，用户可以通过K210开发板进行黑飞无人机快速检测，有效降低了黑飞无人机快速检测的成本，最后通过结果显示模块，将无人机的检测结果在软件中显示。专利技术所运用的K210开发板相对于其他处理板来说具有以下优势，体积小，结构简单，适用于小目标物体检测的开发和利用，同时能够有效降低行业内黑飞无人机快速检测的成本，以达到良好的小目标物体检测和黑飞无人机管控效果。
附图说明
[0015]下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例改进的YOLOv5计算模块的示意图；图2是本专利技术实施例基于K210的快速检测黑飞无人机装置的结构框图；图3是本专利技术实施例装置的结构及检测红外普通无人机的显示结果；图4是本专利技术实施例夜晚检测黑飞无人机的显示结果；图5为本专利技术另一实施例白天检测黑飞无人机的显示结果。
具体实施方式
[0016]为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。
[0017]如图1、2所示，该基于K210的快速检测黑飞无人机装置，包括K210开发板及分别与K210开发板电连接的视频采集模块、数据处理模块、改进的YOLOv5计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于K210的快速检测黑飞无人机装置，其特征在于，包括基于K210RISC
‑
V芯片的开发板及分别与K210开发板电连接的视频采集模块、数据处理模块、改进的YOLOv5计算模块及结果显示模块；其中，视频采集模块，用于将OV2680摄像单元实时采集的视频数据发送到数据处理模块进行处理；数据处理模块，用于接收视频采集模块的图像或视频数据，调用双三次插值进行数据的缩放和裁剪，应用中值滤波器减少数据中的噪声，并将处理后的数据输入改进的YOLOv5计算模块进行推理运算；改进的YOLOv5计算模块，用于接收数据处理模块发送的数据，利用PP
‑
LCNet主干网络加速推理，利用集成的SimAM无参注意力机制和CBAM注意力机制进行特征提取，并利用Vision Transformer提供全局感受信息，产生特征向量并输出结果；结果显示模块，用于将改进的YOLOv5计算模块集成到所设计的目标系统中，并将黑飞无人机检测结果在所设计的软件中进行显示。2.根据权利要求1所述的基于K210的快速检测黑飞无人机装置，其特征在于，所述数据处理模块将处理后的数据输入改进的YOLOv5计算模块进行推理运算，包括从预处理后的图像中提取特征，包括图像的边缘特征、线性特征、中心特征、对角线特征、空间特征以及通道特征。3.根据权利要求1所述的基于K210的快速检测黑飞无人机装置，其特征在于，所述改进的YOLOv5计算模块中的CBAM注意力机制包括通道注意力子模块和空间注意力子模块，通道注意力子模块负责关注无人机的通道特征，空间注意力子模块负责关注无人机的空间特征。4.根据权利要求1所述...

【专利技术属性】
技术研发人员：屠晓涵，刘孟然，张传浩，
申请(专利权)人：铁道警察学院，
类型：发明
国别省市：