目前，面临着人工巡查工作强度大、巡查效率低、信息获取不及时、时效性差等缺点。尤其是在面对森林火情、树木砍伐等隐患时，传统人工巡查效率低下的缺点更被放大，如若发现延迟，很可能对森林资源造成不可逆的损失和后果。而目前的无人机操作复杂，需要人员控制，巡视效果不佳，并且无法与进行数据实时监控。因此，本项目将实现实时监测，灾情数据快速上传云端，提高巡查工作效率，降低人工成本，加强森林管理。

1. 无人机智能导航。

研究无人机如何利用INS/GPS组合导航系统在未知复杂环境中自主导航和飞行控制问题。且在不确定性的条件下，实时或近乎实时地解决一系列最优化的求解问题，并且不需要人为的干预。

2.灾情检测识别。

森林监测无人机在工作时，受到强风、光照等环境因素的影响，采集的图像通常会存在干扰信息，因此在处理前需要对其进行预处理。为使森林火灾识别算法准确分别森林火灾与干扰物，从形状特征、纹理特征以及动态特征三个方面提取森林火焰及烟雾的特征应该深入研究图像的预处理及目标区域分割方法，从而消除图像噪声、改善图像质量，使图像更加清晰，保证后续处理和研究的准确性。

3.数据上传云端。

数据上传云端是无人机巡查过程中最基础，也是最重要的操作步骤，无人机将森林巡查过程中的数据利用传感器上传到云端上时，使用者能够及时的发现灾情，从而避免森林遭遇重大的损失。

4.云端数据远程实时监控的研究。

将智控模块安装于无人机上，利用多模通信技术确保无人机与服务器的稳定连接，云操作系统安装于云服务器上，承担无人机通信、飞行控制、编队管理、监控信息实时处理，显示—控制终端显示云操作系统处理的动态全景地图，并接受用户指令，远程控制无人机执行任务。

（四）国、内外研究现状和发展动态

1、无人机定位系统

全球定位系统(Global Positioning System，GPS)是一种以人造地球卫星为基础的高精度无线电导航的定位系统，它在全球任何地方以及近地空间都能够提供准确的地理位置、车行速度及精确的时间信息。GPS自问世以来，就以其高精度、全天候、全球覆盖、方便灵活吸引了众多用户。GPS是美国从20世纪70年代开始研制，历时20年，耗资200亿美元，于1994年全面建成，具有在海、陆、空进行全方位实时三维导航与定位功能的新一代卫星导航与定位系统。GPS的应用广泛，不仅可以应用于汽车，同时也是物流行业管理的智多星，随着无人机技术的发展，可以将GPS安在无人机上来实时的掌控无人机的动态。GPS-BD定位模块与烟雾探测器由STM32CBT6型单片机（简称“STM32”）驱动。GPS-BD模块通过天线从太空轨道上的北斗和GPS卫星经通信获取导航电文，解算出无人机的速度、位置和姿态等信息，通过USART3串口将定位数据传输给STM32单片机；飞控模块通过MAVLink协议与STM32单片机进行通信，并获取无人机的速度、位置和姿态等信息，以用于无人机自主导航过程中轨迹跟踪的闭环控制。全球卫星导航系统如GPS和中国研发的北斗导航系统BDS，可获得目标的绝对位置信息和速度信息。但一方面此类方案在民用范围内会受到一定程度上的限制，精度和频率一般分别在1-10Hz和5m。因而实际使用时，常配备惯性导航系统INS，利用卫星导航数据与机载惯性数据融合后提高定位精度频率才能投入实际使用。另一方面，基于全球卫星导航系统的定位方案在室内的应用效果会因建筑环境对卫星信号的影响而大打折扣，这也是全球卫星导航系统易受地形干扰的原理性缺陷，导致了更加难以形成可靠的室内方案。

2、智能识别分析的算法

Yolov5是一个基于pytorch的在在COCO数据集上进行预训练的目标检测体系结构和模型，是目前一个比较常用的目标检测模型，在现在很多实际项目中，有很好的效果，实用性较强，有模型尺寸小、部署成本低、灵活度高和检测速度快的特点，在森林灾情检测中可以得到很好的应用，烟火检测基于智能视频分析和深度学习神经网络技术，实现对视频内的烟雾和火焰进行识别、并动态识别烟雾和火焰从有到无、从小到大、从大到小、从小烟到浓烟的状态转换的识别、实时分析告警，并将报警信息及时推送给相关的管理和安全人员，及时应对与处置。方向梯度直方图（Histogram of Oriented Gradient,HOG）特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度直方图来构成特征。Hog特征结合SVM分类器已经被广泛用于图像识别中，尤其在行人检测中获得了极大的成功。HOG+SVM进行行人检测的方法是法国研究院Dalal在2005的CVPR上提出的。行人检测,是利用计算机视觉技术判断图像或者视频序列中是否存在行人并给予精确定位的技术.由于行人兼具刚性和柔性物体的特性,外观易受穿着、尺度、遮挡、姿态和视角等影响,使得行人检测具有非常高的研究价值"。基于HOG+SVM的行人检测方法,其中,HOG(方向直方图)对图像几何形变和光学形变能很好保持不变性,SVM(支持向量机)精度高,泛化能力好,两者结合建立行人检测模型,能够更加准确实现图像中的行人检测。

3、云计算

云计算（cloud computing）是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后，通过多部服务器组成的系统进行处理和分析这些小程序得到结果并返回给用户。云计算早期，简单地说，就是简单的分布式计算，解决任务分发，并进行计算结果的合并。因而，云计算又称为网格计算。通过这项技术，可以在很短的时间内（几秒钟）完成对数以万计的数据的处理，从而达到强大的网络服务。现阶段所说的云服务已经不单单是一种分布式计算，而是分布式计算、效用计算、负载均衡、并行计算、网络存储、热备份冗杂和虚拟化等计算机技术混合演进并跃升的结果。可以将云计算技术运用到无人机远程监控系统上，和无人机进行很好的结合，将云操作系统安装于云服务器上，承担无人机通信、飞行控制、编队管理、监控信息实时处理。

1.集巡查救援于一体，信息化程度高。

本项目的基于目标识别的无人机森林实时巡查系统不仅能预防森林火灾，还能实时跟踪定位信息化管理与互联网、移动互联网完美的结合在一起，通过机载飞控模块，实现自动避障、沿规划飞行路径自主飞行、自主调整飞行姿态、云台角度、拍摄距离、相机参数等，从而高效、高质地完成巡查任务，云端实现远程管理和异地传输等强大的功能。无人机实时位置显示及定位跟踪在电子地图上准确的标注出无人机的当前位置，发生紧急事件时方便及时派遣人员解决。

2.云计算技术远程数据处理。

无人机上设有高清摄像头拍摄照片、视频等记录信息，且能通过卫星通讯模块与云端连接以接受云端的控制并将接收到的图像、数据传输到云端进行处理，直观有效的了解样点现场的实际情况，及时采取正确的处理措施。

3.图像AI智能识别，精度高。

4.无人技术提高效率。

本项目的无人机搭载了不同的传感器随时勘测和监测林区植物的生长情况，实现数字林区的建设、实现林区环境治理。在整个操作过程中可以做到无人工干预全自动、高效率的自主作业，极大地降低了执法人员的工作难度。

1.本项目采用如下技术路线：

利用无人机搭载摄影设备巡查航拍森林->结合opencv或者yolov5技术实时处理航拍图像->图像处理检测到灾情->通过机载GPS（北斗）定位系统精准定位灾情地点->将获取的图像数据实时传回至云端->云计算远程实时监控

2.拟解决的问题：

(1) 飞行稳定性并不理想，在飞行过程中经常会发生摇摆或颠簸，这会直接影响到图像或视频的清晰度

(2) 由于无人机采集的图像背景是运动的，因此只能基于单-的颜色进行目标区域分割难免出现分割不完整的现象。希望基于运动背景的图像前景分割方法，提取出更加完整的目标区域.。

(3) 优化yolov5灾情检测算法以及对灾情的定位；

(4) 受天气因素影响较大，如遇大风、雷雨等，无法使用无人驾驶飞机监测设备，无法准确识别灾情并标记位置

3.预期成果：

(1) 设计与实现基于大疆筋斗云的森林实时巡查系统；

(2) 以项目研究成果参加省市级学科竞赛，并力争获奖；

(3) 发表省级及以上科研论文1篇或申报软件著作权1项；

（1）2022年7月—2022年11月

  搜集参阅资料文献，对现有的算法进行全面分析，在此期间，对一些研究对模糊目标识别算法，可采用高斯滤波、形态学开运算、自适应阈值分割、区域型种子块标记图像生成对目标树木实现精准定位。

（2）2022年11月—2023年11月

  实地考察，对目标林区进行测试，收集对应的图像数据可与真实数据进行比对生成比对数据表，比对准确率，误差较大，可对次方法进行优化。

（3）2023年11月—2024年6月

  数据整理，对测试结果分析，算法优化，对无人机的一些采集信息的硬件更新升级，便于信息采集数据值更为准确。