摘要
本发明公开了一种基于ANN转SNN的无人机飞行飞鸟检测方法,属于无人机目标检测的技术领域,其包括:获取低空飞行飞鸟的图像数据和飞鸟目标检测数据集;根据飞鸟目标检测数据集训练得到人工神经网络模型YOLOv5‑ANN;建立人工神经网络模型YOLOv5‑ANN的激活输出与脉冲神经元的脉冲频率之间的映射关系;将人工神经网络模型YOLOv5‑ANN转换为脉冲神经网络模型Spiking‑YOLOv5‑SNN,采用完成训练的脉冲神经网络模型Spiking‑YOLOv5‑SNN进行无人机飞行飞鸟检测。本发明结合人工神经网络模型YOLOv5的高效目标检测能力和脉冲神经网络模型的快速响应特性,能够在复杂背景下有效检测低空飞行飞鸟,提高无人机的安全性。
技术关键词
人工神经网络模型
飞鸟检测方法
脉冲神经网络模型
放电模型
无人机
发射率
数据
批量
方程
训练集
关系
图像
因子
机制
频率
参数
电压
系统为您推荐了相关专利信息
挖掘机器人
无人机系统
协同作业方法
激光定位模块
伸缩平台
预报系统
船舶
捕捞网具
图像特征向量
多源数据融合技术
充电无人机
深度强化学习算法
轨迹规划方法
无人机电量
宕机