一种基于深度学习人工智能图像识别算法的无人机巡航方法及系统

本发明公开了一种基于深度学习人工智能图像识别算法的无人机巡航方法及系统。该方法通过搭载改进YOLOv7‑SwinT目标识别模型的无人机采集巡检区域实时图像数据，该模型融合了YOLOv7的单阶段目标检测架构和Swin Transformer的视觉特征提取网络，采用三级识别架构实现渐进式目标检测：基于轻量化CNN的初级异常检测、结合注意力机制的中级精确定位和多传感器数据融合的高级目标分类。系统根据识别结果结合无人机电量、环境条件和任务优先级，通过自适应路径规划算法生成动态巡检路径，并利用智能任务分配算法实现多机协同作业。在巡检过程中，通过边缘计算设备实时处理传感器数据，并采用智能能源管理系统优化充电调度。本发明显著提升了无人机在复杂环境下的目标识别精度和巡航效率，适用于电力巡检、安防监控等应用场景。