基于图像识别的校园AED无人机投送系统产品系统

本项目面向校园应急急救场景立项。校园内人员密集，突发心脏骤停事件时，传统救援模式存在急救人员抵达慢、AED 转运不及时的痛点。系统依托校园部署的摄像头采集画面，利用 YOLO 目标识别算法识别患者，解算出目标坐标信息下发至无人机，搭载 AED 设备自主前往目标点位投放，结合大模型辅助救援信息研判与前端监控平台，缩短急救设备送达时间，抢抓心脏骤停黄金救援窗口。

功能介绍
1. 项目功能模块：
本项目主要包含四大核心功能模块：
前端监控与调度模块：提供可视化操作界面，用于实时监控校园摄像头画面、显示无人机飞行状态、下发救援任务指令以及查看历史救援记录。
智能视觉识别模块：部署在后端服务器，利用校园现有摄像头作为感知输入，通过 YOLO 目标检测算法，实时识别地面求救人员（如做出特定求救手势或姿态的人员），并精准计算其地理坐标。
无人机自主飞行与投送模块：负责接收来自视觉识别模块的目标坐标，规划最优飞行路径，并自主操控无人机搭载 AED 设备飞往目标地点，完成精准悬停与物资投放。
大模型辅助决策模块：集成大语言模型能力，用于辅助分析救援场景信息（如结合摄像头画面判断现场环境是否适合降落）、解析求救者可能提供的语音或文本信息，为救援决策提供支持。
2. 项目的主要功能描述：
本系统旨在解决校园内突发心脏骤停等紧急医疗事件中，AED（自动体外除颤器）送达不及时的痛点。系统通过前端监控平台接收求救信号或由监控人员手动触发救援任务。启动后，智能视觉识别模块立即调用校园摄像头，利用 YOLO 算法在视频流中快速定位求救人员，摄像头坐标被实时发送至无人机自主飞行模块，无人机随即从机库自动起飞，沿规划路径高速飞向目标。同时，前端平台实时显示无人机的飞行轨迹、电量、速度等状态，并回传机载摄像头画面。抵达目标上空后，无人机悬停并通过降落伞或机械结构精准投放 AED 设备。整个过程无需人工远程操控飞行，实现了从发现、定位到投送的自动化、快速响应，极大缩短了急救设备抵达时间，为挽救生命争取宝贵的 “黄金四分钟”。

本人主导项目整体技术方案规划，负责 YOLO 识别模型调试优化、服务端通信接口编写，同时参与前端调度界面功能调试与无人机指令联调。项目采用前后端分离分布式架构，技术栈包含 Python、YOLO 算法、Web 前端开发、网络 Socket 通信、无人机控制协议；依托校园摄像头获取实时视频流，利用 YOLO 完成遇险人员目标检测，将预设定位信息下发无人机，配合前端实现任务监控、轨迹可视化，并接入大模型辅助场景研判。项目实现难点是保障识别与指令传输低时延；核心亮点在于盘活校园已有监控资源，无需新增感知硬件，搭建从目标识别、定位到无人机物资投送的自动化闭环应急体系。