一种无人机机载AI图像处理设备及方法与流程

本发明涉及无人机遥感，特别是涉及一种无人机机载ai图像处理设备及方法。

背景技术：

1、无人机是利用无线电遥控设备和自备的程序控制装置操纵的不载人飞机，或者由车载计算机完全地或间歇地自主地操作，目前的无人机在航拍、农业、植保、微型自拍、快递运输、灾难救援、观察野生动物、监控传染病、测绘、新闻报道、电力巡检、救灾、影视拍摄和制造浪漫等领域运用十分广泛，采用无人机进行图像采集，也对人们的作业提供了便捷；

2、目前无人机的图像采集主要采用搭载在无人机上的摄像头进行操作，同时摄像头将所采集到的画面输送至地面基站处，从而地面基站人员可查看无人机在高处的拍摄画面。

3、专利申请号cn201711177677.2的发明专利公开了一种无人机机载图像处理装置，包括无人机，无人机上搭载有摄像头、图像传感器、控制器、无线数传电台；该发明采用摄像头进行图像采集，并将所采集的画面信号数值放大，从而达到提高图像处理帧处理效率和识别效率的效果，能够向地面控制站传输高精度图像。

4、然而在具体应用时，其一、无人机飞行的高度与所采集的画面大小有关，如无人机飞行较高，则传输的画面小，反应飞行的低，则传输的画面大，难以把控的飞行高度会直接给地面传输的图像造成影响，其二、仅仅只是采用摄像头进行画面采集，难以对所采集的画面进行分析处理，导致地面基站工作人员难以根据所采集的画面进行决策。

技术实现思路

1、针对上述现有技术，本发明在于提供一种无人机机载ai图像处理设备及方法，主要解决上述背景技术中存在的技术问题。

2、为达到上述目的，本发明实施例的技术方案是这样实现的：本发明第一方面公开了一种无人机机载ai图像处理设备，所述设备包括数据采集模块、控制器、无线通信模块、第一服务器，所述数据采集模块、控制器、无线通信模块固定在无人机上，所述数据采集模块与位于后台的所述第一服务器信号相连，所述第一服务器与所述控制器、无线通信模块依次信号相连，所述数据采集模块，被配置为采集特定区域的图像数据以及其他基础数据，所述第一服务器，被配置为构建对抗网络模型以及卷积神经网络模型，通过所述对抗网络模型将所采集的图像进行ai图像生成，通过所述卷积神经网络模型对所生成的ai图像进行特征提取及分析，所述控制器基于分析结果生成控制指令。

3、可选的，所述数据采集模块包括画面采集子模块以及气候传感子模块，所述画面采集子模块包括相机、热成像传感器、多光谱传感器，所述气候传感子模块包括风速传感器以及超声波传感器。

4、可选的，所述第一服务器中还设有图像处理单元，所述图像处理模块用于将所采集的图像进行预处理，所述预处理过程包括将所采集的图像缩放到预定比率，并进行图像质量增强处理。

5、可选的，所述图像处理模块将所接收的图像划分成多个具有与缩放图像尺寸相应的区域，在划分出的多个区域中分别提取的视觉特征，并将多个区域中将所提取的视觉特征进行重叠，实现图像质量增强处理。

6、可选的，所提取的所述视觉特征包括图像的亮度、颜色、暗度、饱和度和边缘形状中的一种或多种。

7、可选的，所述对抗网络模型由生成器神经网络和判别器神经网络组成，所述生成器神经网络，用于根据预处理后的图像生成ai图像，所述判别器神经网络用于，将ai图像与预处理后的图像进行对比。

8、可选的，通过所述卷积神经网络模型对所生成的ai图像进行特征提取时，所提取的特征包括地质数据特征、农业布局数据特征、病虫危害数据特征、电力巡检数据特征、地势测绘数据特征、自然灾害数据特征中的一种或多种。

9、本发明第二方面公开了一种无人机机载ai图像处理方法，所述方法应用于如前述任一项所述的无人机机载ai图像处理设备，所述方法包括下列步骤：

10、获取现场图像数据，并对所述现场图像数据进行预处理；

11、构建对抗网络模型，所述对抗网络模型基于预处理后的现场图像，生成ai图像；

12、构建卷积神经网络模型，对所述ai图像进行分析，所述控制器将分析结果通过所述无线通信模块传输至地面基站处。

13、可选的，对所述现场图像数据进行预处理，具体包括：将现场图像缩放到预定比率，并划分成多个具有与缩放图像尺寸相应的区域，在划分出的多个区域中分别提取视觉特征，将多个区域中反映了提取的视觉特征进行重叠，经过多次缩放以及视觉特征的重叠后，实现图像质量增强处理，从而实现图像预处理。

14、本发明的有益效果在于：将数据采集设备所采集的图像缩放到预定比率，以此来根据无人机飞行的高度与地面之间的距离来调整传输至地面基站的图像大小，同时将所接收的图像划分成多个具有与缩放图像尺寸相应的区域，在划分出的多个区域中分别反映提取的视觉特征，将多个区域中反映了提取的视觉特征进行重叠，对经过图像质量增强处理的图像不断重复地执行预定次数的缩放、提取和图像质量增强处理，以此来增强图像的质量；通过网络模型模块中的对抗网络模型，能够对无人机所采集的画面进行ai图像生成，并结合卷积神经网络模型对ai图像进行训练和分析，来辅助地面基站人员针对无人机所探测的画面情况做出决策。

技术特征：

1.一种无人机机载ai图像处理设备，其特征在于，所述设备包括数据采集模块、控制器、无线通信模块、第一服务器，所述数据采集模块、控制器、无线通信模块固定在无人机上，所述数据采集模块与位于后台的所述第一服务器信号相连，所述第一服务器与所述控制器、无线通信模块依次信号相连，所述数据采集模块，被配置为采集特定区域的图像数据以及其他基础数据，所述第一服务器，被配置为构建对抗网络模型以及卷积神经网络模型，通过所述对抗网络模型将所采集的图像进行ai图像生成，通过所述卷积神经网络模型对所生成的ai图像进行特征提取及分析，所述控制器基于分析结果生成控制指令。

2.根据权利要求1所述的一种无人机机载ai图像处理设备，其特征在于，所述数据采集模块包括画面采集子模块以及气候传感子模块，所述画面采集子模块包括相机、热成像传感器、多光谱传感器，所述气候传感子模块包括风速传感器以及超声波传感器。

3.根据权利要求1所述的一种无人机机载ai图像处理设备，其特征在于，所述第一服务器中还设有图像处理单元，所述图像处理模块用于将所采集的图像进行预处理，所述预处理过程包括将所采集的图像缩放到预定比率，并进行图像质量增强处理。

4.根据权利要求3所述的一种无人机机载ai图像处理设备，其特征在于，所述图像处理模块将所接收的图像划分成多个具有与缩放图像尺寸相应的区域，在划分出的多个区域中分别提取的视觉特征，并将多个区域中将所提取的视觉特征进行重叠，实现图像质量增强处理。

5.根据权利要求4所述的一种无人机机载ai图像处理设备，其特征在于，所提取的所述视觉特征包括图像的亮度、颜色、暗度、饱和度和边缘形状中的一种或多种。

6.根据权利要求5所述的一种无人机机载ai图像处理设备，其特征在于，所述对抗网络模型由生成器神经网络和判别器神经网络组成，所述生成器神经网络，用于根据预处理后的图像生成ai图像，所述判别器神经网络用于，将ai图像与预处理后的图像进行对比。

7.根据权利要求6所述的一种无人机机载ai图像处理设备，其特征在于，通过所述卷积神经网络模型对所生成的ai图像进行特征提取时，所提取的特征包括地质数据特征、农业布局数据特征、病虫危害数据特征、电力巡检数据特征、地势测绘数据特征、自然灾害数据特征中的一种或多种。

8.一种无人机机载ai图像处理方法，所述方法应用于如权利要求1-7任一项所述的无人机机载ai图像处理设备，其特征在于，所述方法包括下列步骤：

9.根据权利要求8所述的一种无人机机载ai图像处理方法，其特征在于，对所述现场图像数据进行预处理，具体包括：将现场图像缩放到预定比率，并划分成多个具有与缩放图像尺寸相应的区域，在划分出的多个区域中分别提取视觉特征，将多个区域中反映了提取的视觉特征进行重叠，经过多次缩放以及视觉特征的重叠后，实现图像质量增强处理，从而实现图像预处理。

技术总结
本发明公开了一种无人机机载AI图像处理设备及方法，所述设备包括数据采集模块、控制器、无线通信模块、第一服务器，所述数据采集模块、控制器、无线通信模块固定在无人机上，所述数据采集模块与位于后台的所述第一服务器信号相连，所述第一服务器与所述控制器、无线通信模块依次信号相连，所述数据采集模块，被配置为采集特定区域的图像数据以及其他基础数据，所述第一服务器，被配置为构建对抗网络模型以及卷积神经网络模型，通过所述对抗网络模型将所采集的图像进行AI图像生成，通过所述卷积神经网络模型对所生成的AI图像进行特征提取及分析，所述控制器基于分析结果生成控制指令。

技术研发人员：冯可,李贵亮,吴国武,吴川彬,翁进荣,李世圣,麦照和,罗旭,魏承亮,庄敏,王思潮
受保护的技术使用者：海南电网有限责任公司
技术研发日：
技术公布日：2024/3/31