[发明专利]基于深度学习的探鸟定位系统

说明书

本发明涉及探鸟技术领域，具体涉及基于深度学习的探鸟定位系统，探鸟子系统包括目标检测模块，目标检测模块用于将采集图像输入训练模型进行预处理并输出鸟类在采集图像中的鸟类像素坐标，探鸟子系统将具有鸟类的采集图像和鸟类的鸟类像素坐标发送至定位子系统；定位子系统获取采集图像中的放大倍数和像素信息，定位子系统根据放大倍数获取预存的转换系数，转换系数为每个放大倍数下一个像素对应的偏转角度，定位子系统根据像素信息获取采集图像中心点的中心像素坐标，定位子系统预存有图像中心点在实际环境中的实际坐标，定位子系统根据参数将鸟类从采集图像中的位置转换至实际环境中的位置。本发明提高较小体型鸟类探测的准确性。

技术领域

本发明涉及探鸟技术领域，具体涉及基于深度学习的探鸟定位系统。

背景技术

鸟撞是鸟类与飞行中的人造飞行器、高速运行的列车和汽车等发生碰撞，从而造成飞行器或车体损坏。飞行器的起飞和降落过程是最容易发生鸟撞的阶段，例如飞机在起飞或降落时容易在机场及其附近空域发生鸟撞事件的几率较大，发生鸟撞后的飞行器或车辆容易在内部的零部件上产生损坏，严重影响飞行器或车辆的公共交通安全，所以，对此类场所中的鸟类进行探测定位再针对性地驱鸟非常重要。

现有的鸟类探测定位方法通过红外或激光雷达得到的图像进行，但是，不同鸟类的体型不同，鸟类在图像上的大小也不同，当鸟类体型较小时，鸟类在图像上的像素非常低，通过图像进行鸟类的探测和定位非常困难。

发明内容

本发明意在提供一种基于深度学习的探鸟定位系统，以解决对小体积鸟类探测定位较困难的问题。

本方案中的基于深度学习的探鸟定位系统，包括：

探鸟子系统，包括具有训练模型的目标检测模块，所述目标检测模块用于将采集图像输入训练模型进行预处理并输出鸟类在采集图像中的鸟类像素坐标，所述探鸟子系统将具有鸟类的采集图像和鸟类的鸟类像素坐标发送至定位子系统；

定位子系统，获取采集图像中的放大倍数和像素信息，所述定位子系统根据放大倍数获取预存的转换系数，所述转换系数为每个放大倍数下一个像素对应的偏转角度，所述定位子系统根据像素信息获取采集图像中心点的中心像素坐标，所述定位子系统预存有图像中心点在实际环境中的实际坐标，所述定位子系统根据鸟类像素坐标、中心像素坐标、转换系数和实际坐标将鸟类从采集图像中的位置转换至实际环境中的位置。

本方案的有益效果是：

通过探鸟子系统的目标检测模块对采集到的采集图像识别鸟类的像素坐标，然后将采集图像中鸟类的像素坐标、中心像素坐标、转换系数和实际坐标转换成实际环境中的位置，在采集到采集图像后识别鸟类并建立像素坐标系和实际坐标系，将鸟类在采集图像中的位置转换至实际中，对鸟类探测后进行定位，鸟类位置定位更及时，同时以目标检测模块进行鸟类像素坐标获取，对较小体积鸟类进行探测定位，提高鸟类探测定位的准确性。

进一步，所述目标检测模块包括预处理单元，所述预处理单元在学习训练模型时对预设图像进行翻转和噪声添加。

有益效果是：在学习训练模型时，将预设图像进行预处理，对预设图像翻转以及噪声添加，让处理的采集图像与实际采集图像的情况更接近，提高对实际采集图像后续处理的有效性。

进一步，所述探鸟子系统包括处理模块，所述目标检测模块还包括裁剪单元和坐标单元，所述裁剪单元在训练模块训练过程中将预设图像裁剪成多个图块，所述坐标单元对图块进行并行处理得到预设像素坐标，所述裁剪单元将采集图像裁剪成多个方块状的子图发送至坐标单元，所述坐标单元在并行处理完成后输出鸟类在采集图像中的鸟类像素坐标，所述处理模块对像素坐标整合发送至定位子系统。

有益效果是：学习训练模型时对预设图像进行裁剪，并将采集图像剪裁后由坐标单元进行并行处理，并在并行处理后输出像素坐标，便于从采集图像中定位处较小体积的鸟类，处理速度快，提高鸟类定位的实时性。