无人机标签_AI Agent技术社区

无人机

解决使用python能导入模块，但是sudo python显示找不到模块的问题（ModuleNotFoundError: No module named ‘pymavlink‘）

解决“在需要sudo运行项目python代码的时候，显示有包缺失，正常使用pip安装包之后，还是显示缺失。结果发现使用普通的python运行能导入模块，但是在同样的虚拟环境下的sudo python显示找不到模块（ModuleNotFoundError: No module named 'pymavlink'）”的问题

 love047
2026-03-19 15:23:21

 647

 16

#python #开发语言 #linux +2
基于深度学习YOLOv10的无人机红外检测系统（车辆行人检测）（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型）

无人机技术在安防监控、灾害救援、交通管理等领域得到了广泛应用。然而，在夜间或低能见度环境下，传统的可见光摄像头难以有效捕捉目标，而红外成像技术能够通过热辐射信息清晰地呈现目标，成为解决这一问题的关键技术。目标多样性：车辆和行人的形状、大小、姿态各异，增加了检测难度。环境复杂性：红外图像中可能存在噪声、遮挡、背景干扰等问题。实时性要求：无人机应用场景通常需要实时检测，对算法的速度和精度提出了更高要求

 算法魔法师
2026-06-25 14:27:02

 28

#深度学习 #无人机 #python +2
【北大核心复现】基于改进鲸鱼优化算法的无人机三维航迹规划研究（Python代码实现）

无人机三维航迹规划是指在三维空间环境中，根据无人机的飞行任务需求，结合环境中的障碍物分布、地形起伏、气象条件等约束因素，寻找一条从起点（初始位置）到终点（目标位置）的最优路径。与二维航迹规划相比，三维航迹规划需要考虑高度维度的约束，更贴合无人机实际飞行场景，其核心要求是在满足飞行安全的前提下，实现航迹的最优性，即路径最短、能耗最低、飞行时间最短等。

荔枝科研社
2026-04-13 00:22:40

 583

 16

#算法 #无人机 #python +1
# 国产阿特拉斯无人机蜂群核心算法Python仿真伪代码

全局仿真常量（原文技术指标）DRONE_SAFE_DISTANCE = 5 # 无人机最小安全间距(m)MAX_CLUSTER_SPEED = 300 # 蜂群最大机动速度(km/h)TASK_ALLOCATE_TIME = 0.3 # 百机任务分配耗时(s)GPS_LOST_POS_ACCURACY = 1 # 无GPS定位精度(m)COMM_DELAY = 0.01 # 自组网通信时延(s)D

weixin_41544125
2026-03-27 13:17:59

 164

 1

#无人机 #算法 #python
AI+Python驱动的无人机生态三维建模与碳储、生物量、LULC估算全流程实战技术应用

AI+Python驱动的无人机生态三维建模与碳储、生物量、LULC估算全流程实战技术应用

 夏日恋雨
2026-07-07 13:58:27

 305

 11

#人工智能 #无人机
【完整教程】基于Python的无人机多光谱-点云融合生态三维建模：从Metashape重建到碳储量/生物量/LULC预测

因此，我们决定举办此次为期四天的“无人机多光谱-生态三维建模与案例实战”培训班，搭建一个面向科研院所、大学学者及工程技术人员的共享平台，集中讨论并解决“如何获取高质量三维多光谱数据集、如何建立可解释的生态模型、如何快速产出可复现的研究成果”这三大核心问题，以推动无人机生态遥感技术从“能用”走向“好用、敢用、持续用”。5、成果图：生物量热力图、预测 vs 实测残差图LSTM、GRU、Prophet、

梦想的初衷~
2026-07-09 15:21:34

 242

 4

#无人机
无人机多光谱-生态三维建模全流程实战——基于Python与AI辅助技术

过去十年，相关传感器技术普及，实现了冠层三维形态、碳储密度等生态变量的大规模可重复估算，为生态研究提供了新路径。4、前沿趋势：AI +多源遥感（UAV + LiDAR +高光谱）、AI +大模型在生态学中的应用。RF、XGBoost、SVM、MLR等建模方法，结合AI实现调参与结果解释。4、AI辅助应用：自动绘制分类混淆矩阵图、桑基图等，辅助撰写方法对比分析。植被指数、冠层结构、纹理特征，结合AI

梦想的初衷~
2026-03-20 15:17:14

 466

 10

#无人机 #python #人工智能
YOLO26 红外目标检测再突破！无人机视角 mAP@0.5 高达 90.0%，汽车类精度 0.979（附数据集说明）（项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署）

本文针对无人机红外视角下的目标检测任务，构建并评估了一套基于YOLO26架构的深度学习检测系统。研究旨在解决红外图像中目标特征模糊、背景复杂及小目标检测困难等问题。实验使用了包含“汽车”、“忽略区域”、“其他车辆”及“行人”四类目标的红外数据集，共计11,198张图像。训练结果显示，模型在验证集上取得了0.900的优异成绩。其中，“汽车”类检测精度高达0.979，“行人”与“其他车辆”亦表现稳健。

BQAIT
2026-06-24 13:43:39

 301

 6

#目标检测 #无人机 #汽车 +3
如何用GPT-4V和GroundingDINO打造无人机智能导航系统？CityNavAgent核心模块拆解

本文深入拆解了如何利用GPT-4V和GroundingDINO构建无人机智能导航系统CityNavAgent的核心模块。系统通过开放词汇感知模块实现视觉语言导航，让无人机理解复杂指令；结合层次化语义规划将任务分解为可执行动作；并借助全局记忆模块提升在重复环境中的导航效率。

tgb34567890
2026-02-23 08:20:47

 881

 10

#无人机
DeCoDet深度感知框架：如何利用HazyDet数据集破解雾霾下无人机小目标检测难题

本文探讨了DeCoDet深度感知框架如何利用HazyDet数据集解决雾霾环境下无人机小目标检测的难题。通过多尺度深度感知检测头(MDDH)和深度提示条件核(DCK)等创新技术，显著提升了检测精度。HazyDet数据集的深度信息和多样性设计为模型训练提供了强大支持，适用于城市、乡村等多种场景。

weixin_30745553
2026-04-15 18:14:46

 457

 4

#无人机 #目标检测
智慧公路之无人机视角车辆识别数据集无人机视角数据集目标检测数据集 yolo数据集车辆识别数据集

智慧公路之无人机视角车辆识别数据集无人机视角数据集目标检测数据集yolo数据集车辆识别数据集

 QQ67658008
2026-04-22 21:59:53

 234

 6

#无人机 #目标检测 #车辆识别
智慧工地之无人机工地航拍巡检数据集工地安全监测图像数据集航拍工地重型机械数据集无人机挖掘机识别工程车辆数据集起重机搅拌机识别

智慧工地之无人机工地航拍巡检数据集工地安全监测图像数据集航拍工地重型机械数据集无人机挖掘机识别工程车辆数据集起重机搅拌机识别

 QQ67658008
2026-04-22 21:49:59

 271

 7

#无人机
无人机 + 优化 YOLO11！茶叶病害精准检测，轻量又高效

计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测。的智能检测方案问世，打造出轻量、高精度、易部署的茶叶病害检测模型，为茶园智慧管护提供硬核技术支撑。替代传统卷积，参数与计算量降至传统卷积的 1/16，有效抑制过拟合，提升边

 计算机视觉研究院
2026-04-22 09:01:40

 540

 10

#无人机
LSM6DSV32XTR 6轴IMU 32g 加速度计和嵌入式传感器融合

LSM6DSV32XTR是意法半导体推出的高性能6轴IMU传感器，集成了32g加速度计和陀螺仪，采用三通道架构处理用户界面、OIS和EIS数据。该器件具有低功耗特性（0.65mA@高性能模式），支持边缘计算功能，包括嵌入式机器学习核心(MLC)和有限状态机(FSM)。创新性自适应自配置(ASC)功能可实时调整参数，无需主机干预。其他特性包含Qvar电荷检测、模拟集线器、传感器融合算法，以及±32g

TDK村田muRata
2026-04-24 19:33:26

 407

 12

#人工智能 #汽车 #无人机 +2
LSM6DSV16XTR ST 3D陀螺仪 |3D加速度计

LSM6DSV16XTR是意法半导体推出的高性能六轴IMU芯片，集成3D加速度计和陀螺仪，采用2.5×3mm紧凑封装。其核心创新包括：1）三核架构实现多任务并行处理；2）嵌入式MLC支持运动模式识别；3）低功耗SFLP算法实现高效姿态解算；4）Qvar技术实现无接触手势控制。该芯片工作电流仅0.65mA，支持±16g加速度和±4000°/s角速度测量，通过I²C/SPI接口通信，内置4.5KB F

TDK村田muRata
2026-04-24 20:10:05

 444

 6

#3d #无人机 #机器人 +3
保姆级教程：用Python和PyTorch搞定Semantic Drone Dataset的掩码生成与数据加载

本文提供了一套完整的Python和PyTorch实战指南，帮助开发者高效处理Semantic Drone Dataset的掩码生成与数据加载。通过颜色编码转换、内存优化和分布式数据加载等技术，解决无人机语义分割中的核心挑战，提升数据处理效率。

weixin_30684743
2026-04-28 06:34:45

 241

 5

#无人机
YOLO无人机视角检测识别数据集汇总

包含22516张图像，飞机、鸟、无人机、直升机4类，yolo标注完整。

Mydsywfw
2026-04-27 23:32:45

 451

 5

#无人机 #人工智能 #深度学习 +2
无人机巡检光伏板深度学习故障检测系统实现【附代码】

首先，引入多尺度空间注意力机制，在Backbone的每个CSPStage后嵌入MSAA模块，该模块通过并行不同扩张率的空洞卷积捕获多尺度上下文，并利用空间注意力图对特征进行重新加权，增强热斑等小目标的响应。数据通过搭载热成像相机的无人机巡航采集，覆盖了春、夏、秋、冬四季及不同天气条件（晴、阴、雾），以保证模型泛化性。采集后，首先进行图像复原处理（去噪、去雾），然后采用几何增强（随机旋转90°、18

克拉博士
2026-04-28 10:37:35

 353

 9

#无人机 #深度学习 #人工智能
无人机 + AI 精准扫毒！YOLOv8n 改进算法，罂粟识别率大幅飙升

计算机视觉研究院主要涉及深度学习领域，主要致力于目标检测、目标跟踪、图像分割、OCR、模型量化、模型部署等研究方向。SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测。在模型 Head 层加入该机制，让算法自动聚焦罂粟花蕊、果实等关键特征，强化小目标捕捉能力，细节识别更精准。无人机飞行高度不同，罂粟在画面中尺度忽大忽小，模型适配性差，识别

 计算机视觉研究院
2026-05-02 10:04:47

 638

 6

#无人机 #人工智能 #算法
在NVIDIA Jetson上跑通CERLAB无人机动态目标检测：手把手配置ROS+YOLO-MAD避坑指南

本文详细介绍了在NVIDIA Jetson平台上部署CERLAB无人机动态目标检测系统的完整流程，包括系统优化、ROS环境配置、YOLO-MAD模型部署及性能调优。通过手把手的避坑指南，帮助开发者高效实现无人机动态目标检测与跟踪，提升边缘计算设备的实时性能。

???111
2026-05-04 05:55:02

 346

 5

#无人机
Eagle-YOLO｜破解无人机小目标检测难题，低空安防实时检测新标杆

通过梯度加权类激活映射（Grad-CAM）可视化，Eagle-YOLO 可精准锁定无人机目标，完全忽略背景干扰，检测聚焦度极高。检测框架，直击无人机小目标检测核心难题，用多粒度特征聚合实现精度与速度的极致平衡，为低空安防提供轻量化、可边缘部署的全新方案。SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测。的协同设计，成功解决无人机检测的频

 计算机视觉研究院
2026-05-04 17:30:34

 347

 8

#无人机 #目标检测 #人工智能 +1
InsPLAD：无人机电力线路资产巡检数据集与基准

无人机电力线路巡检检测数据:中5种资产存在6种缺陷：4种为腐蚀，1种为部件损坏，1种为存在鸟巢

 鸭蛋粉
2026-05-05 21:12:03

 350

 6

#无人机 #目标检测 #python +1
无人机巡检中输电线路缺陷检测数据集（YOLO格式）

本数据集针对输电线路缺陷检测中缺陷特征识别难、人工巡检效率低等问题，构建了包含78,704张图像、356,160个标注框的YOLO格式数据集，涵盖绑线缺陷、并沟线夹缺陷、耐张线夹缺陷、锈蚀缺陷、杆塔损伤五类常见输电线路缺陷，支持多尺度缺陷区域的高精度检测模型训练与评估。

2zcode
2026-05-06 07:37:03

 392

 6

#无人机
基于深度学习无人机巡检中输电线路缺陷检测系统(YOLOv8+UI界面+数据集+训练代码)

摘要：输电线路的安全运行对电力系统稳定至关重要，传统人工巡检方式存在效率低、成本高、安全风险大等问题。本文提出了一种基于YOLOv8深度学习算法的无人机输电线路缺陷智能检测系统。

2zcode
2026-05-06 07:35:23

 583

 18

#深度学习 #无人机
原创文档：基于深度学习无人机巡检中输电线路缺陷检测系统设计与实现

摘要：输电线路的安全运行对电力系统稳定至关重要，传统人工巡检方式存在效率低、成本高、安全风险大等问题。本文提出了一种基于YOLOv8深度学习算法的无人机输电线路缺陷智能检测系统。

2zcode
2026-05-06 08:40:55

 239

 4

#深度学习 #无人机 #人工智能
【数据集】红外无人机目标检测数据集VOC+YOLO格式10000张1类别

数据集是计算机视觉技术研发的核心支撑资源，贯穿算法训练、性能验证与效果评估全流程，兼具全面性、适配性与权威性。它囊括图像分类、目标检测、实例分割、语义分割等多类任务导向的样本集，覆盖自然场景、工业制造、医疗影像、遥感监测等多元应用领域。优质数据集具备样本规模庞大、标注精度严苛、训练验证测试子集划分科学的特点，既是驱动深度学习算法创新迭代的关键基石，也为人工智能产品落地与前沿学术研究提供坚实保障。红

 钓了猫的鱼儿
2026-05-06 21:41:35

 330

 8

#无人机 #目标检测
【数据集】红外无人机交通车辆目标检测数据集VOC+YOLO格式2371张4类别

数据集是计算机视觉技术研发的核心支撑资源，贯穿算法训练、性能验证与效果评估全流程，兼具全面性、适配性与权威性。它囊括图像分类、目标检测、实例分割、语义分割等多类任务导向的样本集，覆盖自然场景、工业制造、医疗影像、遥感监测等多元应用领域。优质数据集具备样本规模庞大、标注精度严苛、训练验证测试子集划分科学的特点，既是驱动深度学习算法创新迭代的关键基石，也为人工智能产品落地与前沿学术研究提供坚实保障。红

 钓了猫的鱼儿
2026-05-06 21:40:55

 268

 6

#无人机 #目标检测
无人机航拍小目标检测新突破！RMH-YOLO 精准又轻量

融合通道 + 空间双注意力机制，嵌入骨干网络，强化小目标弱特征表达，保留上下文信息，解决低分辨率下特征丢失问题。SSMA-YOLO：一种轻量级的 YOLO 模型，具备增强的特征提取与融合能力，适用于无人机航拍的船舶图像检测。采用参数共享卷积，去除冗余计算，适配无人机嵌入式平台，在不损失检测能力的前提下，大幅降低参数量与计算量。复杂背景、远距离密集目标、低光 / 强光场景下，RMH-YOLO 漏检率

 计算机视觉研究院
2026-05-06 09:30:50

 376

 7

#无人机 #目标检测 #人工智能 +1