基于联邦学习的无人机集群地面目标检测方法

成果编号：37634

价格：面议

完成单位：南京邮电大学

单位类别：其他高校

完成时间：2023年

成熟程度：研制阶段

服务产业领域：电子信息

我要对接关注发送消息

发布人：liulinfeng 在线

发送消息

在无人机集群中将各节点所收集的数据集中到基站，采用机器学习算法提取有效的特征信息。其中，无人机本身有限的供电使得其不可能频繁的传输数据，同时直接传输数据也可能导致隐私泄露问题，传输时所需的负荷和带宽也会影响模型训练的效果。针对上述情况，该成果采用分布式机器学习算法，利用拆分学习与联邦学习结合，将P2P的联邦学习应用于无人机集群，解除了集群执行任务时固定基站对其通信范围和通信带宽的限制。同时，在拆分后的模型中引入辅助函数，利用模型拆分后仍能并行训练来使算法更好地适用于节点资源受限的无人机集群任务协作场景，使集群能够更好地执行目标检测等任务。

121 次浏览分享到

成果介绍

科技计划：

成果形式：新技术

合作方式：技术开发、技术服务

参与活动： 2023年高校院所走进镇江产学研合作对接活动第二届江苏产学研合作对接大会 2023年高校院所服务苏北五市产学研合作对接活动

专利情况：正在申请 ,其中:发明专利 2 项
已授权专利,其中:发明专利 0 项

成果简介

综合介绍

创新要点

首先对集群内各节点进行分组，选取大小组长来负责联邦学习的参数聚合，降低通讯负担。然后针对基于联邦学习的目标检测模型，将其拆分为两部分，采用自编码器模块作为辅助函数，形成新模型交付给不同组别的无人机进行训练。在任务协作方面，采用联邦学习，能够支持集群在部分节点毁坏的情况下继续完成目标检测等任务的正常执行。此外，对关键的组长节点的数据进行备份，提升了集群的抗毁性和鲁棒性。总体来说，集群通过应用P2P的联邦学习、采用联邦学习与拆分学习相结合的方式、在拆分后的模型中引入辅助函数，实现了集群任务协作的准确率和抗毁性的提升，保障了目标检测任务的顺利执行。

技术指标

该成果可以应用于智慧城市、应急救援、农作物监测、环境保护等领域，用于收集特定区域的目标信息，辅助相应决策的制定与执行。在智慧城市领域，该成果可以应用于检测和管理交通拥堵，监测城市环境污染以及进行城市安全监控；在农作物检测领域，该成果可以帮助农民监测作物生长状态、检测病虫害、进行精确施肥和灌溉，从而提高农作物产量和质量；在环境保护领域，该成果可以应用于监测野生动物、森林火灾、海洋污染等环境问题，为环境保护提供支持；在应急救援领域，对救援目标进行目标识别和跟踪，并检测安全隐患。协助安全人员顺利展开救援。

其他说明

完成人信息

姓名：对接成功后可查看

所在部门：对接成功后可查看

职务：对接成功后可查看

职称：对接成功后可查看

手机：对接成功后可查看

E-mail：对接成功后可查看

电话：对接成功后可查看

传真：对接成功后可查看

邮编：对接成功后可查看

通讯地址：对接成功后可查看

联系人信息