(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210324548.6 (22)申请日 2022.03.29 (71)申请人 江苏海洋大学 地址 222005 江苏省连云港市高新区苍梧 路59号 (72)发明人 李宏然　吴昊　华碧洋　吕铁力　 张恒　张键　丁莉　王韵翔　 张玉鹏　洪孔瑞　 (74)专利代理 机构 北京和联顺知识产权代理有 限公司 1 1621 专利代理师 胡杨 (51)Int.Cl. G06V 20/00(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06V 10/762(2022.01) (54)发明名称 基于无人机航拍和改进的YOLO v3的水面漂 浮物目标检测系统 (57)摘要 本发明公开了基于无人机航拍和改进的 YOLOv3的水面漂浮物目标检测系统， 无人机飞控 系统包括无人机姿态测量系统和主控制器， 无人 机姿态测量系统由加速度传感器和陀螺仪构成， 主控制器由姿态解算和控制计算构成； 图像采集 系统由图像检测系统、 图像拍摄系统和图像传输 系统构成， 图像检测系统选 择改进的YOL Ov3神经 网络作为检测模型； 软件系统是通过pyt honqt编 写到PC端的界面， 并且将神经网络部署在PC端 上， 本发明通过无人机航拍图传到PC端进行分 析， 可以有效的解决了水面漂浮物覆盖范围大、 移动能力强， 人工不能实时检测整体河道水面漂 浮物的种类和数量问题； 同时本系统采用改进的 YOLOv3神经网络可以更好的适配水面漂浮物目 标检测。 权利要求书2页 说明书6页 附图4页 CN 114937195 A 2022.08.23 CN 114937195 A 1.基于无人机航拍和改进的YOLO  v3的水面漂浮物目标检测系 统， 包括无人机飞控系 统、 图像采集系统和软件系统， 其特征在于： 所述无人机飞控系统包括无人机姿态测量系统 和主控制 器， 所述无人机姿态测量系统由加速度传感器和陀螺仪构成， 所述主控制器由姿 态解算和控制计算构成； 所述图像采集系统由图像检测系统、 图像拍摄系统和图像传输系 统构成， 所述图像检测系统选择改进的Y OLO v3神经网络作为检测模 型； 所述软件系统是通 过pythonqt编写到PC端的界面， 并且将神经网络部署在PC端上， 所述软件系统与图像采集 系统通过 无线通讯模块相连。 2.根据权利要求1所述的基于无人机航拍和改进的YOLO  v3的水面漂浮物目标检测系 统， 其特征在于： 所述主控制器通过无线通讯模块与遥控器相连， 所述主控制器与驱动电机 电性连接， 所述无 人机姿态测量系统与主控制器相连。 3.根据权利要求1所述的基于无人机航拍和改进的YOLO  v3的水面漂浮物目标检测系 统， 其特征在于： 所述无人机飞控系统的硬件包括无人机和全 景摄像头， 所述全 景摄像头安 装在无人机的底部上。 4.根据权利要求1所述的基于无人机航拍和改进的YOLO  v3的水面漂浮物目标检测系 统， 其特征在于： 所述图像拍摄系统是通过摄像头对图像检测系统所检测到的物品进行拍 摄， 所述图像传输系统采用蓝牙或5G模块进行图像传输 。 5.根据权利要求1所述的基于无人机航拍和改进的YOLO  v3的水面漂浮物目标检测系 统， 其特征在于： 所述YOLO  v3的改进步骤如下： S1： 利用kmeans++算法来改进锚盒的选择， 通过使用kmeans++算法来解决现有K ‑mean 算法中需要人为输入不同k 值会导致不同聚类结果的问题； S2： 提高小目标检测的权 重， 达到提高小目标检测的检测精度； L′IOC(x， y， w， h)＝(2 ‑wh)2LIOC(x， y， w， h) S3： 增大位置损失函数和分类损失函数系数， 让YOLO  v3更好的适配水面漂浮物这种多 类别的目标检测， 通过不断调的整系数， 得 出一个合 适的权重系数； Lloss＝0.5lob+1.6llo+0.9lcl， ； S4： 采用CIOU算法来改进IOU对目标物体的尺寸不敏感， 不能反应出检测框和真实框再 不重叠时候的距离问题； S5： 采用mAP率和FP S来衡量YOLO  v3的精度和速度； 6.根据权利要求5所述的基于无人机航拍和改进的YOLO  v3的水面漂浮物目标检测系 统， 其特征在于： 所述S1中改进后的算法具体步骤如下：权　利　要　求　书 1/2 页 2 CN 114937195 A 2S11： 输入数据； S12： 随机 选择聚类中心； S13： 计算所有点聚类中心 距离D(x)， 并根据D(x)选择新聚类中心； S14： 两聚类中心聚类是否满足要求， 如果不满足则返回到S13中， 如果满足， 则对该聚 类中心进行存 储； S15： 再判断聚类中心总数是否等于K， 如果不等于K， 则返回到S12中再进行随机选择 聚 类中心， 如果 等于K， 则通过 K均值聚类分析算法进行计算。 7.根据权利要求1所述的基于无人机航拍和改进的YOLO  v3的水面漂浮物目标检测系 统， 其特征在于： 无 人机的飞行拍摄和目标检测方法， 具体步骤如下： 步骤1： 将无 人机防止水平面上， 通过遥控器控制无 人机启动升空； 步骤2： 通过远程控制无 人机上的摄 像头对水面漂浮物进行航拍； 步骤3： 图像通过无线通讯模块传输至PC端， 利用PC端实时处理图片信息， 然后进行数 据保存， 与此同时无 人机持续飞行， 直到 接收返航信息才 会自动返航。权　利　要　求　书 2/2 页 3 CN 114937195 A 3