阜陽職業(yè)技術(shù)學(xué)院信息與智能制造學(xué)院謝寧宇團(tuán)隊(duì)在《電腦與電信》發(fā)表論文《基于深度學(xué)習(xí)的無人機(jī)探測系統(tǒng)搭建與優(yōu)化》，針對傳統(tǒng)雷達(dá)難以精準(zhǔn)探測低空小型無人機(jī)的痛點(diǎn)，研發(fā)出一套融合邊緣計(jì)算與深度學(xué)習(xí)的探測系統(tǒng)，選用Jetson Nano硬件平臺(tái)與YOLOv8算法并完成多項(xiàng)優(yōu)化，實(shí)測各項(xiàng)性能指標(biāo)大幅提升，為低空無人機(jī)監(jiān)管提供了低成本、高效率的新方案。

　　當(dāng)下小型無人機(jī)應(yīng)用日益廣泛，但其違規(guī)飛行也給公共安全帶來隱患。傳統(tǒng)雷達(dá)面對低空小型無人機(jī)時(shí)短板突出，無人機(jī)雷達(dá)反射面積小，再加上復(fù)雜地面環(huán)境干擾，極易出現(xiàn)漏檢、誤檢問題。為破解這一難題，謝寧宇團(tuán)隊(duì)搭建起分層式智能探測系統(tǒng)，整體分為感知、硬件、決策三大模塊，架構(gòu)清晰且擴(kuò)展性強(qiáng)。

　　系統(tǒng)感知層依靠工業(yè)攝像頭實(shí)時(shí)采集低空視頻畫面，并轉(zhuǎn)化為圖像幀完成數(shù)據(jù)輸入;硬件層搭載Jetson Nano邊緣計(jì)算設(shè)備，依托其低功耗、高性能的優(yōu)勢，搭配Ubuntu系統(tǒng)及各類算法工具庫，實(shí)現(xiàn)數(shù)據(jù)低延遲處理;決策層采用YOLOv8目標(biāo)檢測算法，對圖像數(shù)據(jù)進(jìn)行分析識別，一旦發(fā)現(xiàn)無人機(jī)目標(biāo)便立即觸發(fā)預(yù)警。

　　為進(jìn)一步提升檢測效果，研究團(tuán)隊(duì)從多個(gè)維度對YOLOv8算法開展優(yōu)化。通過圖像旋轉(zhuǎn)、縮放、加噪等數(shù)據(jù)增強(qiáng)手段，提升模型在復(fù)雜光照、背景下的適應(yīng)性;利用K-means聚類重新設(shè)計(jì)錨框，適配小型無人機(jī)目標(biāo)特征;運(yùn)用模型剪枝技術(shù)精簡網(wǎng)絡(luò)結(jié)構(gòu)，在控制精度損耗的同時(shí)，有效提升推理速度、降低硬件資源占用。實(shí)驗(yàn)顯示，優(yōu)化后的模型兼顧檢測精度與運(yùn)行效率，綜合表現(xiàn)優(yōu)于原版算法。

　　該系統(tǒng)硬件部署簡單、使用成本低廉，在遮擋、逆光等真實(shí)復(fù)雜場景中也能穩(wěn)定識別目標(biāo)。此次研究成果有效彌補(bǔ)了傳統(tǒng)探測技術(shù)的不足，為低空安防領(lǐng)域的無人機(jī)檢測工作提供了實(shí)用的技術(shù)參考，也為邊緣計(jì)算與深度學(xué)習(xí)技術(shù)在安防設(shè)備中的落地應(yīng)用積累了實(shí)踐經(jīng)驗(yàn)。