作品展示

凤眼蓝广泛分布于世界各地，被列入世界百大外来入侵种之一，其在国内的泛滥已经给生态系统造成了极大的威胁，并且每年带来数亿元的经济损失。 本项目根据凤眼蓝分布特性，使用无人机遥感技术与图像识别技术，构建了凤眼蓝生物量识别算法，该算法能在高空拍摄的情况下成功提取出目标湖域内的凤眼蓝图像，并根据提取出的图像结合模糊层次分析法进行凤眼蓝的风险等级评估。 本项目还根据凤眼蓝生物特性，使用GPS导航技术与多目标检测技术，构建了自动导航算法与凤眼蓝目标检测算法，设计制造了无人自动清理船，该无人船能根据风险等级评估结果结合导航与目标检测算法自动定向地执行凤眼蓝清除动作。

1.全自动装备可无需人操控，自主识别清除； 2.可在狭隘水域等大型打捞设备无法进入的区域自动识别清理凤眼蓝； 3.长时间作业。 此装备可装载太阳能板进行长时间作业，可在特定水域发现并清除凤眼蓝，将凤眼蓝种群数量控制在低水平，防止其爆发泛滥。 4. 实现凤眼蓝数量控制。 （凤眼蓝能大量吸收氮磷钾等微量元素以及有毒有害物如苯、酚以及多环芳烃等。对富含有机物的工业废水和生活污水的净化效果非常理想，因此如果将凤眼蓝数量控制在一定范围内，则其对环境是有利的。）

系统由三大部分组成： 第一部分为是凤眼蓝生物量监测平台 第二部分是凤眼蓝危害等级评估体系 第三部分为是多目标检测与惯性导航的全自动清理船 于第一部分：基于无监督机器学习的 K-means 算法和基于色彩空间的RGB算法的融合成功将凤眼蓝从高空拍摄的河道图像中分离出来。 于第二部分：基于模糊层次分析法的凤眼蓝危害等级评估成功获取了凤眼蓝在特定水域内的生物量，并通过像素点的数据进行了风险值的计算，得出了二维可视化热图和三维可视化热图，确定了多个不同等级的风险区域。模型可以清晰地体现凤眼蓝的危害情况，准确地定位其高危区域。 于第三部分：自训练YOLO-V4-Tiny模型成功实现对凤眼蓝、其它9类常见水生植物及一类障碍物的目标检测，并将凤眼蓝目标框坐标数据传输至中控系统STM32进行定向清除工作，导航系统与风险监测平台的配合实现了对凤眼蓝生物量的控制。 基于多目标检测与惯性导航的全自动清理船成功识别出了凤眼蓝并能成功执行清理动作。

凤眼蓝是入侵物种，每年给我国带来的经济损失超百亿，每年打捞水葫芦的费用数以亿计。目前国内对于凤眼蓝的清除手段仍然以人工打捞与大型打捞船为主，人工打捞作业方法效率低下，人工成本高。后者运输困难，成本极高，不能用以小型湖泊与小型水渠。 本项目能实现入侵生物水葫芦的全自动清理以及水生植物生物量控制，大幅节省人力物力，是结合图像识别技术与自动化控制技术在入侵生物探测与清除领域的一大创新，有效解决上述痛点。