面向海堤工程的无人机组网集群巡检与智能监测研究OA

为解决传统海堤巡检中存在的覆盖范围有限、响应时效性差、数据共享困难及目标识别精度不足等问题,并结合边缘计算与云边协同的技术优势,提出了一种基于无人机集群组网的智能感知系统,专注于海堤变形、残缺等异常检测场景。该系统采用了新型的CTCP-A^(*)(Cooperative Trajectory Constraint Pruning-A star)无人机协同路径规划算法,能够实现低能耗且高效的无人机集群自主协同飞行,并结合5G与微波通信技术,确保视频数据的低延时实时传输。为提升目标检测精度,针对YOLOv11原模型的不足,引入EMA(Exponential Moving Average)注意力机制进行优化,有针对性地提出了适用于海堤巡检场景的YOLOv11-EMA目标检测模型,能够自动识别巡检视频中的海堤目标。自建海堤侵蚀检测数据集,试验结果表明,系统在目标检测中的精度达到90.1%,较原始模型提升了5.6%,与现场监测数据高度吻合。同时无人机群的巡检效率约为传统人工巡检的5倍,显著提高了巡检作业的自动化程度与数据准确性,为海堤工程的安全监测与智慧管理提供了坚实技术支撑。