无人机河道巡检产品系统

本项目面向水利部门河道巡检需求，解决传统人工巡检效率低、危险系数高、覆盖范围有限等问题，基于无人机搭载高清视觉采集设备，结合计算机视觉算法实现河道水面垃圾、漂浮物、河道边坡破损、排污口异常等问题的自动化巡检、识别与定位，最终通过 Web 端实现巡检结果的实时展示与数据统计，为水利河道管理提供数据支撑。项目落地后将河道巡检效率提升 70%，大幅降低人工巡检成本与安全风险

基于无人机搭载高清视觉采集设备，结合计算机视觉算法实现河道水面垃圾、漂浮物、河道边波破损、排污口异常等问题的自动化巡检、识别与定位。最终通过wed端实现巡检结果与实时展示与数据统计，为水利河道管理提供数据支持。

1、参与项目需求分析与技术方案设计，结合无人机巡检的移动性、高空视角、图像抖动等特点，制定适配的图像采集与算法处理方案；
2. 负责河道巡检相关数据集的构建，通过无人机实地采集 + 网络公开数据融合的方式，收集涵盖不同天气、光照、水域环境的河道图像数据 10 万 + 张，使用 LabelMe 完成数据标注，并设计针对性数据增强策略（随机旋转、仿射变换、亮度对比度调整、添加高斯噪声），提升模型泛化能力；
3. 基于 YOLOv11 搭建目标检测模型，针对河道小目标（如小型漂浮物）检测难题，进行模型颈部结构改进（添加特征融合模块）、锚框重新聚类，将小目标检测精度提升 30%，整体检测精度达 95% 以上；
4. 利用 OpenCV 完成无人机采集图像的预处理，包括图像去抖、畸变矫正、拼接融合，解决无人机飞行过程中图像模糊、畸变等问题；
5. 通过 TensorRT 对训练完成的模型进行推理加速，将模型推理速度提升 2 倍，适配无人机端的实时检测需求，并完成模型在无人机嵌入式硬件上的部署与调试；
6. 基于 Flask 搭建轻量级 Web 服务，实现巡检结果（目标位置、类型、数量）的实时展示与历史数据统计，为水利部门提供可视化管理界面；
7. 负责项目落地后的现场调试与模型优化，根据不同河道的实际场景反馈，持续优化模型参数与检测策略，保障系统在复杂环境下的稳定性。