基于有监督学习的黑飞无人机检测识别方法及系统实现  

作　　者：李朋原 屠晓涵 赵凯 

机构地区：[1]郑州警察学院图像与网络侦查系,河南郑州450000

出　　处：《电子制作》2024年第20期68-71,共4页Practical Electronics

基　　金：2023年中央高校基本科研业务经费项目(编号:2023TJJBKY017);2022年中央高校基本科研业务经费项目(编号:2022TJJBKY002);2023年度河南省高等学校重点科研项目(编号:23B520022);2023年度河南省高等学校重点科研项目(编号:23A520042)。

摘　　要：在无人机技术不断发展与广泛应用的背景下,有效地监管和识别黑飞无人机,可以避免非法侵入、恐怖袭击、信息窃取等安全隐患问题的发生。通过改进YOLOv5算法并引入注意力机制CBAM和Transformer,提出了一种基于深度学习的有监督计算机视觉模型。另外,基于PyQT5框架设计了一个黑飞无人机识别应用系统,可实时接收并处理摄像头或视频文件中的图像数据,并将识别结果展示给用户。结果表明,改进的识别方法增强了对小目标黑飞无人机的关注度和特征提取能力,在检测任务上具有较高的精度(93.79%)。

关 键 词：有监督学习 深度学习 YOLOv5 黑飞无人机 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]