基于嵌入式系统的深度神经网络目标检测算法研究.pdfVIP

基于嵌入式系统的深度神经网络目标检测算法研究

摘要

计算机视觉技术随着深度神经网络的出现得以飞速发展，交通、医疗、军事等

领域都在享受着人工智能带来的便利。传统未爆手雷的探测方式大多依赖人工手持

式电磁探测器，这样的探测方式速度较慢，且探测人员的人身安全难以得到全面保

障。本文旨在探索一种基于深度神经网络的未爆手雷目标检测算法，并将该算法移

植到基于无人机平台的嵌入式系统中去，以替代传统的人工探测方式。

本文首先对YOLOV3和FasterR-CNN两个最具有代表性的目标检测器的检测

原理进行详细的分析，由于YOLOV3目标检测网络实现了真正意义上的端到端检

测，且在通用数据集上识别率不低，所以选择其为基础网络结构。其次制作了手雷

数据集，根据K均值聚类算法分析数据分布情况，推理计算出与手雷目标数据集相

匹配的候选框尺寸。在手雷目标数据集上对原算法进行验证后，发现原算法存在对

手雷小目标检测率较低的问题。针对出现的问题以Inception网络结构设计思想为指

导，从网络结构角度对原算法加以改进，在YOLOV3网络入口添加了类Inception

结构，同时增加网络整体的深度和宽度，避免某一维度的卷积冗余，得到

Inception-YOLOV3网络。除传统图像数据增强外，还运用了Mosaic数据增强方法

以提高手雷数据多样性，提升网络的鲁棒性。经验证，改进后算法相比于原算法提

升了对手雷小目标的检测能力。

本文根据改进算法的执行流程及卷积运算规则，在FPGA内部利用并行流水

线处理思想加速卷积运算过程，并以FPGA和DSP为核心，据实际需求选择合

适的传感器及驱动，搭建了基于无人机平台的嵌入式目标检测系统。系统主要包

括：可见光手雷成像模块、手雷目标检测模块、手雷目标抓取模块、可视化人机

交互模块以及无人机平台模块。最后在搭建好的嵌入式平台植入改进后的目标检

测算法，并在实际野外环境下对系统进行了测试。

关键词：

目标检测，Inception-YOLOV3，数据增强，流水线处理，嵌入式系统

ResearchonObjectDetectionAlgorithmofDeepNeural

NetworkBasedonEmbeddedSystem

Abstract

Computervisiontechnologyhasdevelopedrapidlybecauseoftheadventofdeep

neuralnetworks,andthetransportation,medical,militaryandotherfieldsare

enjoyingtheconveniencebroughtbyartificialintelligence.Thedetectionalgorithmof

traditionalunexplodedgrenademostlyrelyonmanualhand-heldelectromagnetic

detectors.Suchdetectionmethodsareslow,andthesafetyofthedetectorsisdifficult

tobeguaranteed.Thisdissertationaimstoexploreanobjectdetectionalgorithm

basedondeepneuralnetwork,andtransplantthealgorithmtotheembeddedsystem

whichbasedontheUAVplatformandtoreplacethetraditionalmanualdetection

method.

Firstly,thisdissertationconductsadetailedanalysisofthedete