文献类型：期刊文章

作　　者：宋志强[1,2] 周献中[3] 祖宝明[2] 方武[2]

SONG Zhi-qiang;ZHOU Xian-zhong;ZU Bao-ming;FANF Wu(College of Automation,Binjiang College of Nanjing University of Information Science and Technology,Wuxi 214105,China;School of Information Technology,Suzhou Institute of Trade and Commerce,Suzhou 215009,China;School of Management and Engineering,Nanjing University,Nanjing 210008,China)

机构地区：[1]南京信息工程大学滨江学院自动化学院,江苏无锡214105 [2]苏州经贸职业技术学院信息技术学院,江苏苏州215009 [3]南京大学工程管理学院,南京210008

出　　处：《火力与指挥控制》

基　　金：江苏省高等学校自然科学研究基金(19KJB520054);苏州经贸职业技术学院科研基金资助项目(KY-ZRA1804)。

年　　份：2021

卷　　号：46

期　　号：3

起止页码：138-142

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对多旋翼无人机在无人干预情况下的自主着陆问题,提出一种基于迁移学习的地面标识图像检测方法。该方法基于TensorFlow深度学习框架,使用迁移学习技术在地面标识数据集上重新训练Inception-v3模型以构建新的地面标识识别模型。以四旋翼无人机为例,将其拍摄的着陆坪图片与其他地面标识图片作为训练集输入神经网络,通过多次训练校正神经网络参数。实验结果表明,基于迁移学习的四旋翼无人机着陆地标识别比直接基于Inception-v3模型的识别效果要好得多,在仅有数千张训练图片的情况下,测试准确率超过90%。在Windows下训练、测试的模型可移植到树莓派3B上,完成了基于Python和TensorFlow开发的程序在不同操作系统下运行的验证工作。

关 键 词：四旋翼无人机  着陆地标识别  卷积神经网络 迁移学习  

分 类 号：TJ8] TP391]