UAV-Infrarotbild-Human- und Fahrzeugobjekterkennung basierend auf YOLOv5

Derzeit beinhalten die primären Methoden zur Suche nach vermissten Personen und Fahrzeugen in der Wildnis umfangreiche Arbeitskräfte für bodengestützte Rasterdurchsuchungen. Gelegentlich werden eine begrenzte Anzahl von Hubschraubern zur Unterstützung der Such- und Rettungsoperationen eingesetzt, und in einigen Fällen werden UAVs mit Kameras für die Sichtbildaufnahme zur manuellen Bilderkennung verwendet. Diese Suchmethoden sind jedoch ineffizient und erfordern erhebliche menschliche und materielle Ressourcen. Um diese Probleme anzugehen, schlägt dieses Papier eine Such- und Rettungsmethode vor, die Mehrrotor-UAVs mit Bildzielerkennungstechnologie kombiniert. Die auf YOLOv5 basierende Objekterkennungsmethode wird verwendet, um Menschen und Fahrzeuge in UAV-Infrarotbildern zu identifizieren, wobei eine durchschnittliche Präzision (mAPs) von 99% erreicht wird, mit einem mAP von 98,5% für die Erkennung von Menschen und 99,5% für die Erkennung von Fahrzeugen. Dieses Modell der Objekterkennungsalgorithmus hat tiefgreifende Auswirkungen auf die Automatisierung von Such- und Rettungsoperationen in der Wildnis mit Mehrrotor-UAVs.