3、AI识别基础：理解目标检测、图像分类、语义分割等常见AI识别任务，以及YOLO、SSD、EfficientDet等模型在无人机视觉中的应用场景

在PX4无人机AI验收体系中，AI识别能力是决定无人机能否完成自主巡检、目标跟踪、避障决策等高级任务的核心前提。本章聚焦于三类最常见的AI视觉任务——图像分类、目标检测、语义分割，并深入剖析YOLO、SSD、EfficientDet等主流模型在无人机机载环境下的适配逻辑。理解这些基础概念，是后续评估识别率、控制延迟与安全性的必要知识底座。

3.1 三大AI识别任务的核心原理与无人机适配

在无人机视觉系统中，AI识别任务的选择直接决定了感知系统的信息粒度与计算开销。图像分类、目标检测、语义分割三者对计算资源的需求递增，但对环境的理解能力也逐级增强。PX4无人机通常搭载嵌入式GPU（如NVIDIA Jetson系列）或边缘AI芯片，算力有限，因此必须在任务精度与实时性之间做出权衡。

3.1.1 图像分类：场景级判断

图像分类是最基础的AI视觉任务，其目标是将整幅图像归入预定义的类别标签。在无人机应用中，图像分类常用于场景识别（如判断当前飞行区域是森林、水域还是建筑区），或用于飞行环境的状态判断（如白天/夜晚、晴天/雾天）。其网络结构通常为卷积神经网络（CNN）后接全连接层与Softmax输出。由于不涉及空间定位，计算量相对较小，适合作为无人机飞控系统的辅助决策输入。

3.1.2 目标检测：定位与分类的融合

目标检测是无人机视觉中最核心的任务，它不仅要回答“图像中有什么”，还要回答“目标在哪里”。输出为边界框坐标（x, y, w, h）与类别置信度。在PX4无人机中，目标检测广泛应用于障碍物识别、目标跟踪、精准降落标记识别等场景。目标检测算法分为两阶段（如Faster R-CNN）和单阶段（如YOLO、SSD）两大类。单阶段检测器因推理速度快，更适合无人机机载实时处理。

3.1.3 语义分割：像素级环境理解

语义分割对图像中的每个像素进行分类，输出与输入图像同分辨率的掩码图。在无人机应用中，语义分割用于可通行区域检测、地形分析、植被覆盖评估等。其计算量远高于前两类任务，通常需要更深的网络结构（如UNet、DeepLabV3+）。在PX4无人机上，语义分割常作为低速飞行或悬停时的精细感知手段，或用于离线数据处理。

3.2 YOLO系列模型在无人机视觉中的工程化应用

YOLO（You Only Look Once）系列是无人机视觉领域应用最广泛的目标检测模型。其核心思想是将检测任务转化为回归问题，通过单次前向传播同时预测边界框位置与类别概率。YOLO系列经历了从YOLOv1到YOLOv8的多次迭代，每一代都在精度与速度之间进行了不同的权衡。

3.2.1 YOLO模型选型与PX4集成要点

在PX4无人机AI验收中，YOLO模型的选择需考虑以下维度：模型参数量、推理帧率（FPS）、检测精度（mAP）、以及是否支持TensorRT加速。以YOLOv5s为例，其参数量约7.2M，在Jetson Xavier NX上使用TensorRT FP16精度推理，可达到约60 FPS，mAP@0.5约为37.4（COCO数据集）。而YOLOv8n更轻量，参数量仅3.2M，适合算力更受限的平台。

# YOLOv5s在PX4机载计算机上的部署关键参数
model: yolov5s.pt
img_size: 640
conf_thres: 0.35    # 置信度阈值，过低会引入误检
iou_thres: 0.45     # NMS的IoU阈值
max_det: 20         # 单帧最大检测目标数
device: cuda:0
half: true          # 启用FP16推理

3.2.2 YOLO在无人机避障中的实战案例

某电力巡检无人机项目需要识别输电线路附近的树木与施工塔吊。初始方案采用YOLOv5m模型，在Jetson NX上实测FPS为28，mAP@0.5为42.5。但在实际飞行测试中发现，当无人机以8m/s速度飞行时，28 FPS的检测帧率导致相邻帧间目标位移过大，避障系统反应不及时。经过分析，将模型切换为YOLOv5s，FPS提升至55，虽然mAP降至37.4，但结合飞控的预测补偿算法，避障成功率从82%提升至94%。这一案例说明，在动态飞行场景中，检测帧率往往比单帧精度更重要。

3.3 SSD与EfficientDet的适用场景对比

SSD（Single Shot MultiBox Detector）与EfficientDet是另外两种在无人机视觉中常见的检测模型。SSD通过在不同尺度的特征图上进行预测，能够较好地处理多尺度目标；EfficientDet则通过复合缩放方法平衡网络深度、宽度与输入分辨率，在精度与效率之间提供了灵活的调节空间。

3.3.1 SSD模型特点与部署限制

SSD的核心优势在于其多尺度特征图检测机制，对于无人机低空飞行时出现的近距离大目标与远距离小目标，SSD的检测稳定性较好。但SSD的默认锚框设计需要针对无人机视角进行微调。在PX4无人机应用中，SSD通常使用MobileNet作为骨干网络，以降低计算量。实测在Jetson Nano上，SSD-MobileNetV2的推理延迟约为35ms，FPS约28，适合对延迟要求不特别严苛的巡检任务。

3.3.2 EfficientDet的精度优先场景

EfficientDet在COCO数据集上的mAP表现优于同量级的YOLO与SSD模型，但其推理速度相对较慢。在PX4无人机中，EfficientDet更适合用于离线数据分析或低速悬停时的精细检测。例如，在农业植保无人机中，EfficientDet-D1可用于识别作物病虫害区域，虽然推理速度仅为12 FPS，但检测精度可满足农业专家的分析需求。

3.4 模型部署与验收中的常见误区

在PX4无人机AI验收过程中，工程师常陷入几个典型误区，导致识别率达标但实际飞行性能不佳。首先，过度关注mAP而忽略推理延迟。mAP是离线指标，反映模型的理论精度，但无人机飞行是实时系统，延迟直接决定控制回路的稳定性。其次，忽视输入分辨率对性能的影响。将训练时的640×640输入直接用于机载推理，若未针对嵌入式平台优化，可能导致显存溢出或帧率骤降。第三，未考虑光照与运动模糊的影响。无人机飞行中，相机抖动、光照变化会显著降低实际识别率，验收时应加入模拟飞行环境的测试集。

3.4.1 模型量化与加速的工程实践

为了在PX4无人机上获得更好的实时性能，模型量化是必要的工程步骤。将FP32模型量化为FP16或INT8，可以显著提升推理速度并降低内存占用。以YOLOv5s为例，FP16推理比FP32快约1.8倍，INT8可再提升约1.5倍，但INT8量化可能带来1-2%的mAP损失。在PX4无人机中，建议优先使用FP16，若算力仍不足，再考虑INT8并配合校准数据集进行精度补偿。

# TensorRT FP16转换示例
import tensorrt as trt
TRT_LOGGER = trt.Logger(trt.Logger.WARNING)
builder = trt.Builder(TRT_LOGGER)
network = builder.create_network(1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH))
parser = trt.OnnxParser(network, TRT_LOGGER)
with open("yolov5s.onnx", "rb") as f:
    parser.parse(f.read())
config = builder.create_builder_config()
config.set_flag(trt.BuilderFlag.FP16)
engine = builder.build_engine(network, config)

3.4.2 多模型融合的架构思考

在复杂的无人机任务中，单一模型往往难以满足所有需求。例如，在搜索救援场景中，无人机需要同时进行目标检测（发现被困人员）与语义分割（判断地形可通行性）。此时，可采用多模型并行架构：目标检测模型以较高帧率运行，语义分割模型以较低帧率运行，飞控系统根据任务阶段动态切换感知模式。这种架构在PX4无人机中已有成功应用案例，但需要仔细设计任务调度与资源分配策略。

综上所述，AI识别基础是PX4无人机AI验收的基石。理解图像分类、目标检测、语义分割三类任务的特点，掌握YOLO、SSD、EfficientDet等模型的工程化部署方法，并规避常见的验收误区，是确保无人机识别率、控制延迟、避障成功率与安全性达标的前提。在实际项目中，应根据具体任务需求、机载算力与飞行环境，选择最合适的模型与部署策略，并通过系统化的三层测试体系完成验收。