基于深度学习的激光对无人机传能跟瞄系统

为实现地面激光为空中飞行无人机实时远程充电过程中的精确跟瞄,提出一种基于YOLOv5改进算法的跟瞄传能系统。其中,识别算法在YOLOv5基础上加入卷积注意力机制与小目标检测层,提升了地面摄像头对无人机上光伏电池目标的捕捉能力。跟踪瞄准过程采用质心追踪、自适应跟瞄算法调控地面转台对准空中目标,实现了地-空传能装置的精准快速对接。模型训练与实验测量结果表明,对距离激光发射端10 m、面积为4 cm×4 cm的光伏电池阵列,该系统的检测速率不低于80 frame/s,可实现对飞行速度低于0.5 m/s的无人机目标的精确跟瞄。该系统跟瞄速度快、精度高,且发射、接收装置简单,是一种便捷高效的无人机激光无线传能跟瞄系统。

基于深度学习的激光无线充电保护系统

为了提高智能家居远程激光无线充电系统使用的安全性,采用了一种基于深度学习的激光无线充电保护系统。针对贴附于智能家居表面的光伏电池属于小目标,具有不易识别的难点,改进得到了YOLOv7-NH网络模型,设立保护监测区,并融入帧间差分法用于实时监控充电区域;通过创设原理分析-算法框架搭建-环境调试等环节,编写了对充电目标所在区域进行图像监控的保护算法,并搭建了测试系统。结果表明,当激光发射端与充电目标距离在10 m以内,基于该算法搭建的保护系统的响应启动时间均低于1 ms,即当移动异物以低于常规速率1.5 m/s进入大小为40 mm×40 mm的保护监测区时,该保护系统能够在其运动到激光束所在光路前停止激光发射。这一结果对室内激光远程无线充电保护技术的发展是有帮助的。