[发明专利]一种5G环境下无人机目标检测方法

权利要求书

1.一种5G环境下无人机目标检测方法，其特征在于，

利用云中心聚集计算资源，对于无人机执行的目标检测任务进行模型训练，并进行多维度剪裁优化，结合业务逻辑，将服务和模型分别推送到5G边缘基站端和无人机终端；无人机通过5G网络实时与边缘计算节点进行交互，共同实现无人机采集图像的实时目标检测；另外，边缘基站提供存储功能，将无人机采集的图像暂存在边缘基站，并统一分时上传到云中心用于未来的模型优化；

利用5G高带宽高速网络和5G基站边缘智能服务，结合无人机的终端侧的计算能力，将无人机航拍获得的图像实时进行检测，无法确定的目标通过5G回传到5G基站侧进行分析，并将结果实时反馈到无人机，改变无人机行进方式，变换角度或调整传感设备完成目标检测任务；

通过云端中心统一管理边缘智能计算节点，根据无人机目标检测任务对边缘节点进行智能模型和服务的个性化分配，同时收集无人机采集图像，用于云端目标检测模型的持续优化；

所述无人机具有计算和存储能力，可加载云中心训练裁剪优化后、专门针对无人机的目标检测模型，在无人机端进行实时目标检测推理，通过5G通信模块，完成与5G基站及云中心的交互，完成协同任务；

无人机具备数据压缩功能，可进一步减少存储和网络带宽；

所述的5G基站是具备边缘计算能力的节点，包含计算、存储、网络的能力，对外提供5G网络服务，并向上对接核心网连接云中心，5G基站可以实现目标检测、数据暂存、安全认证、无人机交互控制、数据压缩、分时上传服务，与无人机实现双向消息传输及行动互动，并与云中心进行双向通信，及时更新管理本节点组件服务；

所述的云中心实现目标检测任务的分发以及目标检测模型的多维度剪裁优化，并将服务和模型，根据5G基站及无人机的实际规格以及其业务需求进行推送，实现对5G基站和无人机的管理，云端通过持续收集的来自边缘基站和无人机采集的图像进行模型训练优化，持续提升识别精度；

操作步骤如下：

包括：

步骤101、云中心聚集硬件资源，针对无人机采集图片的目标检测任务，利用实际收集的图像进行模型训练，形成相应的检测模型；

步骤102、通过云中心为无人机创建图像采集任务，确定无人机目标检测需求及其行驶路线；

步骤103、根据无人机的实际规格和所进行的目标检测任务需求，对相应的模型进行裁剪优化，形成最适合无人机采用的检测模型，并通过安全通道下载到所述的无人机中；

步骤104、根据无人机目标检测任务需求，选择最适合所述的5G基站运行的模型，并根据行驶路线，将针对任务的检测模型、图片质量评价模型以及与无人机进行交互的相关服务，通过安全通道定向推送给所述的5G基站，便于其未来快速加载；

步骤105、所述的无人机开始执行图像采集任务，飞行到相关区域上空，针对地面目标进行图像采集，使用无人机本地模型进行实时目标检测分析，确定目标对象，并进行多次拍照；

步骤106、所述的无人机将其采集的图像通过5G网络快速传到所述的5G基站，同时特别标明确信度不高的图像，请求所述的5G基站提供服务，完成进一步的图像处理；

步骤107、所述的5G基站接收来自所述的无人机发送的图像，对图像采用基站本地针对本次无人机图像采集任务的目标检测模型进行检测，确定检测结果；

步骤108、所述的5G基站根据来自无人机图像序列，进行分析检测，综合置信度、图片质量因素，规划最佳拍摄地点，并反馈给所述的无人机；

步骤109、所述的无人机根据来自所述的5G基站的反馈，实时调整其飞行线路，更改无人机位置和角度，进行拍摄；

步骤110、反复进行步骤105至步骤109，持续提高采集图像质量，满足采集任务；

步骤111、5G基站将无人机采集的图像暂存在本地，并根据实际的采集任务需求，进行图像的分类和压缩，上传到云中心；

步骤112、无人机执行完图像采集任务；

步骤113、云中心根据任务执行情况，对图像进行进一步处理，并将本次收集的图像用于该次任务类型目标检测模型的训练，持续提高检测精度。

2.根据权利要求1所述的方法，其特征在于，

当采集任务时效性不强时，5G基站选择网络相对空闲时刻，进行图像压缩并上传到云中心。