基于YOLOv3的无人机智能社交距离监测系统

2020年初,新冠疫情席卷全球,在某些场合人们保持安全社交距离的方法被证明是减缓病毒传播的有效措施。本文将无人机作为飞行载体,对无人机进行定点定高控制,通过无线图传实现图像的实时采集,采用深度学习算法YOLOv3模型对图像中的人准确辨识并进行社交距离的判断,通过设置社交距离临界值进行人与人之间的距离判断。当社交距离小于安全距离临界值时,利用无线模块发送信号给OpenMV模块,OpenMV收到信号后控制报警模块报警,使人们得到及时的提醒。本文针对疫情期间人们对社交距离的不敏感性,搭建了基于YOLOv3的无人机智能社交距离监测系统,实验结果表明,本系统能够实现社交距离的实时监测。     

国产人工智能平台应用推广

随着自主可控和人工智能技术的发展,打造国产人工智能平台已成为国家战略发展目标之一.自主可控与人工智能的有机融合,既能提升自主可控产品的创新性和先进性,也能推动人工智能技术的国产化应用.通过打造国产人工智能平台,适配深度学习框架和模型开发工具,全面适应党政办公、党员建设等方向的智能化应用,推动了国产人工智能平台的技术发展...     

智能制造领域中深度强化学习的应用综述

深度强化学习在智能制造领域具有广泛的应用前景。文章概述了相关文献的综述,总结了深度强化学习在智能制造领域的几个主要应用方向,如自动化控制、智能优化调度、故障预测与维修、品质控制与质量预测以及智能物流和供应链管理。在这些领域,深度强化学习利用深度学习网络和强化学习算法,能够实现更高效、更精准、更智能化的制造过程控制和管理。同时,探讨了深度强化学习在智能制造中面临的挑战和未来发展方向。这些研究对推动智能制造领域的发展,提高制造过程的效率和质量具有重要意义。     

无人机智能配送系统

无人机是不断成熟的传感、通信、航天技术与人工智能技术融合渗透下的产物。近年来无人机行业在中国迅猛发展,其应用场景不断扩展延伸。疫情期间,无人机实现了无接触配送模式,发挥了不可替代的作用,提高效率的同时真正做到送货上门。业内人士纷纷表示“无接触配送”必将成为未来一大发展趋势。     

深度强化学习在智能制造中的应用展望综述

深度强化学习作为机器学习发展的最新成果,已经在很多应用领域崭露头角。关于深度强化学习的算法研究和应用研究,产生了很多经典的算法和典型应用领域。深度强化学习应用在智能制造中,能在复杂环境中实现高水平控制。对深度强化学习的研究进行概述,对深度强化学习基本原理进行介绍,包括深度学习和强化学习。介绍深度强化学习算法应用的理论方法,在此基础对深度强化学习的算法进行了分类介绍,分别介绍了基于值函数和基于策略梯度的强化学习算法,列举了这两类算法的主要发展成果,以及其他相关研究成果。对深度强化学习在智能制造的典型应用进行分类分析。对深度强化学习存在的问题和未来发展方向进行了讨论。     

利用旋翼无人机群平台的探潜技术研究综述

潜艇是水下作战的重要力量,大力发展探潜技术具有重要的军事意义。随着无人机平台计算能力的提高和飞行控制技术的不断完善,无人机集群不断智能化、低成本化,参与作战能力逐步提升,本文对应用无人机集群的探潜技术开展调研综述。首先对声呐探测、磁场检测和微型合成孔径雷达探测等载荷技术开展调研,指出适合旋翼无人机平台的载荷类型;接下来分析了旋翼无人机可参与的智能化海洋作战模式,提出了多探测器跨域协作的水上—水下协作探潜防御网思路;最后,通过分析无人机群平台智能探潜的研究成果和关键技术,提出了多传感器异构无人机集群的研究发展方向,可对未来构建智能化探潜防御网提供参考。     

基于深度语义分割的无人机遥感影像水体提取研究

快速、可靠地获取遥感影像中的水体对于指导人类生产活动和掌握水资源的分布规律、开发保护具有重要意义。本研究根据无人机遥感影像在复杂环境下采用OCRNet语义分割模型结合HRNet骨干网进行水体提取,充分利用了水图像的特征,有效抑制了非水噪声,加快了模型的收敛速度。实验结果表明,该网络在准确率上有着不错的表现,Acc可达到99.30%,mIoU为0.9281,kappa系数（KC）为0.9231。     

群智能方法在遥感信息提取中的应用分析

遥感数据作为重要的空间数据源,在众多领域发挥着不可或缺的作用。遥感信息获取技术的不断发展与遥感数据应用领域的不断扩展,促进了遥感信息提取方法的不断进步。随着人工智能算法不断被提出及成功应用,遥感信息提取领域也在逐步引入智能算法实现高效的信息提取。在对遥感信息提取方法的研究进展进行深入分析的基础上,剖析了群智能方法应用于遥感信息提取领域的潜力与优势。并应用微粒群优化方法进行遥感数据的分类,实现了微粒群优化方法应用于遥感数据分类的技术流程,取得了很好的实验结果。因此,群智能方法能够为遥感信息提取领域提供一种新的有效智能处理方法。     

深度学习技术应用现状分析与发展趋势研究

针对深度学习技术迅速发展的基本状况,分析深度学习技术的主要研究现状,结合其基本原理和主要应用领域,对深度学习技术进行分类和总结,指出目前深度学习技术发展的瓶颈问题,归纳出未来深度学习技术发展的主流趋势。     

考虑无线充电的无人机路径在线规划

近年来, 无人机在物流、通信、军事任务、灾害救援等领域中展现出了巨大的应用潜力, 然而无人机的续航 能力是制约其使用的重大因素, 在无线充电技术不断突破和发展的背景下, 本文基于深度强化学习方法, 提出了一 种考虑无线充电的无人机路径在线优化方法, 通过无线充电技术提高无人机的任务能力. 首先, 对无人机功耗模型 和无线充电模型进行了构建, 根据无人机的荷电状态约束, 设计了一种基于动态上下文向量的深度神经网络模型, 通过编码器和解码器的模型架构, 实现无人机路径的直接构造, 通过深度强化学习方法对模型进行离线训练, 从而 应用于考虑无线充电的无人机任务路径在线优化. 文本通过与传统优化方法和深度强化学习方法进行实验对比, 所提方法在CPU算力和GPU算力下分别实现了4倍以及100倍以上求解速度的提升.     

无人机飞行仿真系统多智能体建模分析与应用研究

无人机飞行仿真系统包含多个功能模块,采用多智能体(multi-Agent)技术研究无人机飞行仿真系统,分析并建立基于多智能体的飞行仿真系统的层次结构和运行机制,进而利用智能体对无人机仿真模型的各子模块模型运行过程进行建模,最后在JADE环境下建立了多智能体无人机飞行仿真系统的实例模型.这种方法可以通过仿真模型各子系统智能体之间的交互来完成无人机飞行仿真系统中飞行仿真的主要功能,从而满足无人机模拟训练系统的设计需求,在无人机模拟训练系统研究中具有广阔的应用前景.     

智能科学与智能技术

当今智能科学与智能技术是科技界的一个热点，在这方面有很多争议，有些学者怀疑智能技术前景，将现有“智能系统”与人相比，根本上否定有什么智能，认为只不过是一套专用软件，有的则过份乐观。我们认为过分悲观或过份乐观都是错误的，这里首先要区分智能科学与智能技术。前者是研究人所具有的自然现象，后者是开发一种技术去替代人的某些脑力劳动，其次，应正确认识现有智能技术方法的局限性。     

Agent技术在智能教学系统中的应用与研究

在传统的学习平台的基础上,以人本主义学习理论和建构主义学习理论为指导,将Agent技术应用于智能教学系统的构建和研究,为越来越多的学习者提供更加智能化和人性化的协同学习环境和协同学习方法,也为现代教育模式的研究和素质教育的大发展提供了一个新的思路.以多Agent技术为基础,提出了一种新的基于Agent的智能教学系统框架,并讨论了其主要功能及实现该系统的部分关键技术.     

博弈智能的研究与应用

博弈智能是一个涵盖博弈论、人工智能等方向的交叉领域,重点研究个体或组织间的交互作用,以及如何通过对博弈关系的定量建模进而实现最优策略的精确求解,最终形成智能化决策和决策知识库.近年来,随着行为数据的海量爆发和博弈形式的多样化,博弈智能吸引了越来越多学者的研究兴趣,并在现实生活中得到广泛应用.本文围绕博弈智能这一研究领域,分别从3个方面进行了系统的调研、分析和总结.首先,回顾了博弈智能的相关背景,涵盖了单智能体马尔可夫(Markov)决策过程,基于博弈论的多智能体建模技术,以及强化学习、博弈学习等多智能体求解方案.其次,依照智能体之间的博弈关系不同,将博弈分为合作博弈、对抗博弈以及混合博弈这三大类范式,并分别介绍了每种博弈智能范式下的主要研究问题、主流研究方法以及当前典型应用.最后,总结了博弈智能的研究现状,以及亟待解决的主要问题与研究挑战,并展望了学术界和工业界的未来应用前景,为相关研究人员提供参考,进一步推动国家人工智能发展战略.     

无人机研发关键技术应用与展望

随着人工智能、电子芯片、物联网、机器学习等技术的改进与提升,许多工程师提出了无人机技术,并且在军事和民事等应用领域推广普及无人机技术,提高了社会工业、农业、航天、海事等自动化和智能化水平。无人机利用先进的电子芯片技术可以实时采集数据信息,然后使用人工智能、机器学习、图像识别、人机交互等技术控制无人机飞行路线和区域,进一步提高了无人机的控制能力,未来也将会引入深度学习、神经网络、模糊数学等技术,进一步提高无人机的飞行控制能力。     

基于深度学习技术的智能化无人机视觉系统设计

传统无人机无法实现数据信息的智能化处理,处理结果不精准,给工作的顺利开展造成了影响。为了解决此问题,文章基于深度学习技术研究智能化无人机视觉系统的设计思路。将深度学习技术应用在无人机智能化中的协同神经网络思想,能够优化无人机的飞行控制、目标识别、障碍规避、智能监测等,降低实现难度。     

基于DDPG算法的旋翼无人机智能跟踪方法

针对旋翼无人机视觉伺服控制可视性约束差与控制效率低的问题,介绍四旋翼无人机的动力学模型与传统视觉伺服的基本原理;针对视觉伺服增益调节问题,提出了一种基于深度强化学习的旋翼无人机视觉伺服控制的马可科夫模型;并结合深度确定性策略梯度（DDPG）算法训练了模型,最终得到线速度和角速度2个解耦的伺服增益。结果表明,与传统的基于图像的视觉伺服（IBVS）方法相比,该方法能保证目标始终在视场中、飞行轨迹平滑、到达目标位置所需时间短,满足旋翼无人机视觉伺服控制可视性约束条件,同时,控制效率比传统控制方法高23.5%。实验中该方法能在复杂的非线性环境中实现精确控制,增加了视觉伺服技术的应用场景。     

无人机影像目标检测技术研究进展

无人机影像目标检测技术是无人机影像智能化分析中的关键技术,开展无人机影像目标检测技术的研究有着广阔的应用前景和价值。介绍了无人机影像中目标检测技术的发展历程,简述了无人机影像目标检测技术在森林防火、农业信息采集、电力线路检测、路桥损害检测以及军事侦察等5种特定领域的应用情况,总结归纳了目标检测性能评价时常用的数据集和标准,并对未来无人机影像目标检测技术的发展态势进行了展望。     

深度学习技术在物联网智能安防领域的应用

随着物联网和智能安防技术的迅猛发展,深度学习在智能安防领域得到了广泛应用。文章旨在探讨和研究深度学习在物联网智能安防中的应用,并深入分析其潜力与实际挑战。首先,阐述物联网和智能安防的概念和发展现状。其次,讨论深度学习在物联网智能安防领域中视频监控和传感器数据处理方面的具体应用。最后,简要总结深度学习在智能安防领域的优势和挑战。通过技术创新,深度学习将为智能安防系统的进一步提升和完善做出积极贡献,并在保障公共安全和社会稳定方面发挥越来越重要的作用。     

深度学习在口岸场所视频智能监管中的框架设计

本项目利用深度学习对口岸场所视频监控采集数据流进行目标识别、分离,行为分析、标定,规则判定、预警等,分析从周界警戒、堆场运提、仓储管理、检查验核、卡口监控等各环节相关的目标及行为,从而满足不同监管要求的智能管理与决策,最终实现口岸场所全封闭、全天候作业,监管部门全链条、全方位监管。