澳大利亞昆士蘭科技大學(xué)科學(xué)家開發(fā)了一種無人機(jī)探測系統(tǒng),通過對飛行中捕獲的紅外視頻圖像進(jìn)行算法分析,成功識別考拉種群。
在2019年3月1日發(fā)表的“低空監(jiān)視和機(jī)器學(xué)習(xí)自動檢測考拉”論文中,該項(xiàng)目的科學(xué)家們指出,通常,通過地面觀察和成像只能檢測到測量區(qū)域內(nèi)60%-75%的考拉。
紅外像機(jī)和機(jī)器學(xué)習(xí)用于無人機(jī)。在研究中,科學(xué)家們采用FLIR Tau 2 640熱像儀,分辨率為640x512,透鏡焦距為13mm,幀速為9Hz,將其安裝在配備A3 Pro飛行控制器的大疆Matrice 600 Pro無人機(jī)上。Thermoviewer用于處理無人機(jī)紅外視頻圖像,F(xiàn)aster-RCNN和YOLO目標(biāo)檢測深度卷積神經(jīng)網(wǎng)絡(luò)(DNN)用于檢測考拉。
給每個DNN都輸入先前捕獲的熱數(shù)據(jù),通過無線電跟蹤和人工檢查確認(rèn)考拉位置。DNN用該數(shù)據(jù)生成模型,通過該模型識別分析視頻中潛在的考拉圖像。將模型應(yīng)用于測試視頻圖像,并對通過視頻中存在但未被模型檢測到的考拉位置以及將標(biāo)記為否定的錯誤檢測結(jié)果進(jìn)行識別并手動校正。
在2018年2月至8月期間通過無人機(jī)進(jìn)行了11次識別驗(yàn)證。DNN分別繪制了潛在考拉位置的熱圖,并對數(shù)據(jù)進(jìn)行了比較,以確定兩個網(wǎng)絡(luò)之間的一致性結(jié)果。OpenCV實(shí)驗(yàn)室開發(fā)的ORB(Oriented FAST and RotatedBrief)算法輔助計(jì)算在該過程中由于無人機(jī)移動而引起的圖像變化。如果潛在的考拉熱特征同時(shí)出現(xiàn)在多幀連續(xù)圖像中,則認(rèn)為探測到該特征,然后進(jìn)行手動審查。
自動化DNN檢測方法識別紅外視頻圖像中考拉的總成功概率為87%,而手動檢查的概率為63%。自動化系統(tǒng)處理熱成像并識別潛在的考拉平均需要136分鐘。手動篩選數(shù)據(jù)并識別可能的考拉位置平均需要170分鐘。
科學(xué)家認(rèn)為,如果對DNN進(jìn)行了適當(dāng)?shù)呐嘤?xùn),可以使用該程序從一批熱圖像中識別多種類型的動物,并且使用該方法檢測其他類型的動物有助于驗(yàn)證考拉識別的試驗(yàn)結(jié)果。
-
人工智能
+關(guān)注
關(guān)注
1787文章
46061瀏覽量
235030 -
紅外相機(jī)
+關(guān)注
關(guān)注
0文章
30瀏覽量
8371 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8306瀏覽量
131846
原文標(biāo)題:【人工智能】紅外相機(jī)通過機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)目標(biāo)自主識別
文章出處:【微信號:eofrontiers,微信公眾號:新光電】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論