基于YOLOv5 算法的無人機傷員搜救系統設計

廖駿明，徐逸暉，鄭 潞，鄭善豪，卓偉豪，廖紹成

（中國礦業大學，江蘇 徐州 221116）

傷員搜救是指對災害現場處于危險中的人員進行搜尋和救援行動，其目標是減少人員傷亡。傷員搜救面臨著搜救環境危險、時間緊迫、光線昏暗等困難。近年來，無人機（Unmanned Aerial Vehicle，UAV）越來越多地被用作輔助救援工具。無人機可以穿越人類難以到達的地區，如山區、島嶼等，無人機的攜帶能力可以在救援人員到達前運送藥品和救援設備。與直升機相比，多旋翼無人機具有操作簡單、無跑道起降、體積小和可靠性高等優點，適合在搜救工作中應用[1-3]。

在傳統的搜救工作中，救援人員可能錯過被搜救的人員。隨著嵌入式GPU 性能提升和成本下降，在無人機平臺運行圖像識別和神經網絡模型的門檻大大降低。使用算法自動檢測圖像中可能存在的人類，可提高救援工作的效率。本文研究近年流行的YOLO 目標檢測算法，此算法平衡了識別的準確率和性能，適用于無人機平臺，并且在開源社區的努力下仍在迭代優化[4]。

1 無人機系統

1.1 無人機硬件組成

四旋翼無人機系統的硬件模塊可以劃分為飛行控制系統、動力系統和視覺識別系統3 個子系統，各個硬件模塊的關系圖如圖1 所示。

圖1 無人機硬件關系圖

3 個子系統的介紹如下。

1）飛行控制系統負責無人機的姿態控制、導航等功能，是無人機的核心部分。飛行控制系統由PX4 飛控、樹莓派4B 計算機和GPS 模塊等組成。

2）飛行動力系統負責提供無人機的電力，是無人機飛行的基礎。動力系統由電機、電調、槳葉、電池和分電板等硬件組成。

3）視覺識別系統負責對無人機周圍的環境進行感知，是無人機實現傷員搜救任務的關鍵。視覺識別系統由攝像頭、數據傳輸線、激光雷達等硬件，以及圖像處理軟件組成。

實驗無人機的硬件參數見表1，本平臺選用常見硬件，并保留后續升級其他模塊的裕量。

表1 無人機硬件參數

組裝完成的無人機實物照片如圖2 所示。

圖2 組裝完成的無人機實物

1.2 無人機飛行原理

四旋翼無人機的組裝結構可分為“+”型和“×”型2種類型，二者飛行原理相似。本文采用更為常見的“×”型，其4 個電機在對角線位置。四旋翼無人機的運動是通過控制4 個螺旋槳的速度，改變力和扭矩來實現的，示意圖如圖3 所示。

圖3 “×”型四旋翼無人機示意圖

無人機的飛行姿態可以由以下公式歸納[5]

式中：ψ、θ、?分別表示偏航角、俯仰角和翻滾角，°；Ix、Iy、Iz是四旋翼三軸的轉動慣量，kg·m2；U1是4 個螺旋槳產生的總力，N；U2、U3、U4是翻滾、俯仰和偏航三軸的力矩，N·m。

四旋翼無人機通常由2 個PID 控制回路控制。一個是用于姿態控制的內環；另一個是用于位置控制的外環。為了求解真正的控制量，即螺旋槳的速度，需要建立螺旋槳與U1、U2、U3、U4之間的關系。在圖3 所示的結構中，關系如下

式中：ω1（i=1，2，3，4）是對應電機的角速度，rad/s；CT是螺旋槳拉力系數；CM是螺旋槳轉矩系數；d是無人機中心到電機的距離，m。

四旋翼無人機組裝完成后，需要進行測試，測試過程需要注意人身和設備安全。首先，檢查接線是否正確、各部件連接點是否牢固、飛控是否報警。如果一切正常，可以安裝螺旋槳后進行室外飛行。

2 基于YOLOv5 算法的傷員圖像識別

2.1 YOLOv5 介紹

YOLO 算法是一種基于深度學習的單階段目標檢測算法。YOLO 算法的特點是速度快、通用性強，近年在無人機目標檢測領域越來越受歡迎。本文采用的YOLOv5 由3 部分組成：特征提取層（Backbone）、特征融合層（Neck）和預測層（Head）。根據網絡的深度和寬度差異，YOLOv5 提供了5 個不同尺寸的版本。對于無人機平臺，考慮計算機的性能較弱，推薦使用YOLOv5s 模型。

2.2 傷員圖像識別

首先準備數據集，模擬傷員姿勢在不同的角度、背景、光線下拍攝500 張照片，使用LabelImg 軟件對圖片進行標注。之后調用YOLO 程序訓練神經網絡。將500 張照片樣本隨機劃分為300 張訓練集，100 張驗證集，100 張測試集。訓練所用計算機的硬件配置見表2，訓練耗時2.1 h。

表2 訓練計算機硬件配置

使用訓練好的權重模型對進行識別，原始圖像和識別結果如圖4 所示。

圖4 原始圖像和識別后的圖像

經過100 張樣本圖片的測試，訓練的模型識別出96 張圖片中的人物。100 張樣本的最長、最短、平均識別時間分別為1.21、0.31、0.54 s。

3 系統界面設計

3.1 PyQt5 介紹

Qt 是一個跨平臺的C++應用程序開發框架，它為開發者提供了建立圖形用戶界面（Graphical User Interface，GUI）所需的基本功能，被廣泛用于應用程序開發。而PyQt5 是Qt5 框架在Python 語言下的實現，PyQt5 提供了一個基本的窗口控件集合，具有面向對象、高性能、開發靈活等諸多優點。由于PyQt5 框架與YOLO 算法都是基于Python 編程語言開發的，所以可以很方便地將二者整合到一起。結合Python 大量第三方庫可以開發出許多強大功能，例如圖像識別、音視頻數據分析等。

3.2 系統界面設計

在開發軟件前，首先進行軟件功能的規劃，無人機傷員搜救系統應包括以下功能。

1）實時圖像識別。本功能包含攝像頭設備選擇、攝像頭實時圖像顯示、識別結果展示3 部分。可通過下拉列表切換多個攝像頭設備，通過點擊按鈕切換是否讀取攝像頭的圖像流，并將攝像頭的識別結果顯示在軟件界面中。

2）無人機實時參數。本區域顯示了無人機的高度、速度、電池電壓和系統狀態等關鍵信息。ROS 與PyQt5程序之間使用Socket 通信協議傳輸數據。

3）系統日志。本區域記錄系統運行的關鍵信息，右側2 個按鈕可以實現日志清除和導出功能。

基于上述功能規劃，在PyQt5 的Qt 設計師（QtDesigner）程序中設計無人機傷員搜救系統的軟件界面，并保存窗口布局為.ui 文件，供后續程序代碼調用。本程序使用了PyQt5 中的按鈕（PushButton）、文本標簽（Label）、組合框（ComboBox）和文本框（TextEdit）分組框（Group Box）等控件，軟件運行的截圖如圖5 所示。

圖5 軟件運行截圖

啟動軟件后，軟件以2 s 為周期定時刷新無人機參數，數據的自動刷新使用PyQt5 中的QTimer 定時器組件實現。隨后軟件等待用戶選擇并打開攝像頭，并讀取圖像流，調用YOLO 算法識別，并將識別結果顯示在圖片區域中。

軟件響應用戶的操作利用Qt 特有的“信號和槽”機制實現。當用戶點擊界面的按鈕或在文本框中輸入文字時，會產生一個“信號”，驅動執行對應“槽”函數中的代碼，從而改變界面的顯示效果。這是Qt 與其他GUI 框架相比的獨特機制，可以簡化程序開發的流程。

4 結束語

本文使用YOLOv5 算法展示了對模擬傷員圖片的檢測。實驗結果表明，采用無人機救援和YOLO 目標檢測算法設計的救援系統具有視角廣、識別時間短、工作效率高等優點。對于模擬訓練集，傷員平均識別率在95%以上，從而確保救援工作的快速開展，為搜救行動提供有效的支持。

但是本文的無人機救援系統還存在續航時間短、通信不穩定等問題，未來多機協同、自主飛行等技術的普遍應用，無人機將在更多領域為人類社會做出貢獻。下一步工作可以將光學和熱成像技術結合，以進一步減少傷員的漏檢率。還可以擴充數據集和標注，分類坐、蹲、躺等不同的傷員姿態。