陳海濤,王 輝,張志學(xué),唐寶華,朱紅偉
中國(guó)人民警察大學(xué),河北 廊坊 065000
近年來(lái),我國(guó)禁毒工作形勢(shì)依然嚴(yán)峻[1],國(guó)內(nèi)毒品原植物(如罌粟)違法種植現(xiàn)象屢禁不止。為從源頭上控制毒品原植物違法種植活動(dòng)的發(fā)生,公安機(jī)關(guān)將毒品原植物巡檢執(zhí)法作為一項(xiàng)重要工作落實(shí)[2],定期開(kāi)展禁種鏟毒“天目行動(dòng)”。無(wú)人機(jī)因其具有機(jī)動(dòng)靈活、視野范圍廣、操作便捷等特點(diǎn),在公安禁毒鏟毒工作中發(fā)揮著越來(lái)越重要的作用,已經(jīng)成為當(dāng)前禁毒執(zhí)法工作的重要工具。但是,調(diào)查研究表明當(dāng)前無(wú)人機(jī)在毒品原植物巡檢中也有一些問(wèn)題亟待解決。一是巡檢執(zhí)法智能化程度不高[3]。無(wú)人機(jī)巡檢過(guò)程中,公安民警對(duì)采集的圖像數(shù)據(jù)現(xiàn)場(chǎng)或返回單位后進(jìn)行肉眼識(shí)別,這樣的方式任務(wù)繁重且效率低下。二是巡檢執(zhí)法系統(tǒng)不完善。圖像采集和識(shí)別不同時(shí),不能實(shí)現(xiàn)巡查毒品原植物“即查、即辨”的效果,影響了執(zhí)法處置時(shí)效性。在此背景下,本文設(shè)計(jì)了智能化、多端互通、高時(shí)效性的毒品原植物無(wú)人機(jī)巡檢系統(tǒng),形成了閉環(huán)執(zhí)法,有效提高毒品原植物無(wú)人機(jī)巡檢執(zhí)法效率和警務(wù)實(shí)戰(zhàn)應(yīng)用水平。
毒品原植物無(wú)人機(jī)巡檢系統(tǒng)包括飛行平臺(tái)、地面站、通信鏈路和緝毒巡檢移動(dòng)端四個(gè)模塊(如圖1所示)。
圖1 毒品原植物無(wú)人機(jī)巡檢系統(tǒng)組成
飛行平臺(tái)由動(dòng)力系統(tǒng)、圖像采集系統(tǒng)、飛行控制系統(tǒng)、定位系統(tǒng)以及機(jī)體結(jié)構(gòu)組成。圖2為毒品原植物巡檢無(wú)人機(jī)平臺(tái)實(shí)物圖。(1)動(dòng)力系統(tǒng)由電機(jī)、電調(diào)、螺旋槳、電池組成,它為無(wú)人機(jī)飛行提供動(dòng)力,將電能轉(zhuǎn)化為機(jī)械能。(2)圖像采集系統(tǒng)選用的主要部件是多光譜相機(jī),該相機(jī)能夠?qū)?fù)雜場(chǎng)景下的毒品原植物進(jìn)行圖像采集,具備刑事攝影技術(shù)所要求的多種拍攝方法,滿足執(zhí)法取證需求。(3)飛行控制系統(tǒng)由主控單元、慣性測(cè)量單元(IMU)、氣壓計(jì)、LED指示燈等模塊組成。其主要功能:一是通過(guò)計(jì)算各路狀態(tài)傳感器傳回的數(shù)據(jù),實(shí)現(xiàn)飛機(jī)飛行過(guò)程中三軸姿態(tài)角和空間位置穩(wěn)定;二是配合定位系統(tǒng)實(shí)現(xiàn)無(wú)人機(jī)航線規(guī)劃、自主飛行、定點(diǎn)降落等功能。(4)定位系統(tǒng)由GPS模塊和電子地圖組成,是支持無(wú)人機(jī)安全飛行的重要技術(shù)條件,該系統(tǒng)能在發(fā)現(xiàn)目標(biāo)時(shí)及時(shí)準(zhǔn)確定位無(wú)人機(jī)位置,實(shí)現(xiàn)毒品原植物目標(biāo)定位。(5)機(jī)體結(jié)構(gòu)由機(jī)架、支臂、腳架組成,既是掛載相機(jī)的平臺(tái),同時(shí)也是其他部件安裝的基礎(chǔ),其主要功能是將各模塊連接成一個(gè)有機(jī)整體。
圖2 毒品原植物巡檢無(wú)人機(jī)平臺(tái)實(shí)物圖
地面站由硬件和軟件系統(tǒng)組成。硬件系統(tǒng)需具備輸入設(shè)備、輸出設(shè)備、存儲(chǔ)器、運(yùn)算器和控制器,選用具備一定性能指標(biāo)的筆記本電腦作為地面站硬件平臺(tái);軟件系統(tǒng)采用基于JFinal[4]框架和.Net[5]開(kāi)發(fā)平臺(tái)的架構(gòu)設(shè)計(jì),圖3為毒品原植物無(wú)人機(jī)巡檢管理平臺(tái)界面。
圖3 毒品原植物無(wú)人機(jī)巡檢管理平臺(tái)界面
通信鏈路包括上行鏈路和下行鏈路。上行鏈路主要完成地面站到無(wú)人機(jī)的遙控指令發(fā)送,下行鏈路主要完成無(wú)人機(jī)到地面站的圖像采集信息數(shù)據(jù)的發(fā)送和接收。根據(jù)《無(wú)人機(jī)系統(tǒng)頻率使用事宜》規(guī)定使用警用無(wú)人機(jī)頻段,該頻段能更好地滿足警務(wù)應(yīng)用信息傳輸需要。
無(wú)人機(jī)巡檢移動(dòng)終端安裝有相應(yīng)APP程序軟件,可以是手機(jī)或警務(wù)通等移動(dòng)設(shè)備。移動(dòng)終端整體采用模型—視圖—控制器(MVC)的架構(gòu)模式[6]。無(wú)人機(jī)識(shí)別的執(zhí)法信息和現(xiàn)場(chǎng)情況能夠通過(guò)移動(dòng)終端即時(shí)共享給執(zhí)法民警,確保了信息時(shí)效性,滿足了及時(shí)出警的需求,是閉環(huán)執(zhí)法體系中的重要組成部分。
隨著以深度學(xué)習(xí)技術(shù)[7]為代表的人工智能識(shí)別技術(shù)[8]不斷發(fā)展進(jìn)步,該技術(shù)已經(jīng)在人臉識(shí)別、智能監(jiān)控等公安警務(wù)方面得到了廣泛應(yīng)用。分析發(fā)現(xiàn):傳統(tǒng)人臉識(shí)別技術(shù)算法多基于關(guān)鍵特征匹配,其泛化能力較弱;而在毒品原植物識(shí)別技術(shù)中,選用了泛化能力較強(qiáng)、智能識(shí)別準(zhǔn)確度較高的Yolo作為識(shí)別訓(xùn)練算法。Redmond等人提出的Yolo作為一種基于深度學(xué)習(xí)的快速識(shí)別算法[9-11],擺脫了傳統(tǒng)深度學(xué)習(xí)算法先生成預(yù)測(cè)框,再對(duì)應(yīng)給出分類的弊端。該算法通過(guò)一個(gè)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)就可以實(shí)現(xiàn)從輸入圖像到輸出識(shí)別目標(biāo)預(yù)測(cè)框的訓(xùn)練,并且實(shí)現(xiàn)了類別概率一步求解,大大提高了識(shí)別效率。該算法可以實(shí)現(xiàn)毒品原植物圖像即時(shí)處理與視頻播放,滿足執(zhí)法快速識(shí)別的要求。
Yolov5目標(biāo)檢測(cè)網(wǎng)絡(luò)共有 Yolov5m、Yolov5s、 Yolov5x 和 Yolov5l 四種權(quán)重模型,其各有特性且寬度和深度各不相同。本文選用深度和特征圖寬度最小的Yolov5s網(wǎng)絡(luò),從而保證識(shí)別速度。由“width_multipe”和“depth_multiple”參數(shù)分別控制網(wǎng)絡(luò)的寬度和深度。圖4為Yolov5網(wǎng)絡(luò)結(jié)構(gòu)圖,Yolov5網(wǎng)絡(luò)結(jié)構(gòu)由Input、Backbone、Neck、 Output 四部分組成。
Yolov5的輸入端(Input),采用了Mosaic數(shù)據(jù)增強(qiáng),自適應(yīng)錨框計(jì)算和圖片縮放技術(shù)。Mosaic數(shù)據(jù)增強(qiáng)技術(shù)可將四張圖片進(jìn)行隨機(jī)縮放、剪裁和排布拼接并整合為一張,之后將這張整合的圖片傳入神經(jīng)網(wǎng)絡(luò)中訓(xùn)練,相當(dāng)于傳入了四張圖片,可明顯提升運(yùn)行速度。自適應(yīng)錨框計(jì)算技術(shù)可以對(duì)每一個(gè)數(shù)據(jù)集計(jì)算出最佳錨點(diǎn)框。自適應(yīng)圖片縮放技術(shù)可根據(jù)圖片原始和輸入到網(wǎng)絡(luò)的尺寸計(jì)算縮放比例,進(jìn)而確定縮放后圖片的大小,該技術(shù)通過(guò)增加最少黑邊到縮放之后的圖片中以降低信息冗余度。Yolov5的網(wǎng)絡(luò)主體部分(Backbone)是在不同圖像細(xì)粒度上聚合并形成特征的卷積神經(jīng)網(wǎng)絡(luò),主要由Focus和CSP兩部分結(jié)構(gòu)組成。其運(yùn)行的主要思想是通過(guò)Slice操作對(duì)輸入圖片進(jìn)行剪裁,降低計(jì)算瓶頸來(lái)增強(qiáng)CNN的學(xué)習(xí)能力,同時(shí)降低內(nèi)存成本。Yolov5的網(wǎng)絡(luò)融合部分(Neck)是一系列混合和組合圖像特征的網(wǎng)絡(luò)層,可將圖像特征傳遞到預(yù)測(cè)層。Yolov5的輸出端(Output)可對(duì)圖像特征進(jìn)行預(yù)測(cè),最終生成邊界框并預(yù)測(cè)類別。
圖4 Yolov5網(wǎng)絡(luò)結(jié)構(gòu)圖
數(shù)據(jù)集在深度學(xué)習(xí)中占據(jù)重要地位,有著卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練與測(cè)試的雙重作用,其好壞程度決定了毒品原植物識(shí)別成功率的高低。使用的訓(xùn)練樣本是在多次巡查執(zhí)法活動(dòng)中采集的840張毒品原植物圖片。按照數(shù)字的格式(narcotics)進(jìn)行重命名并排序。通過(guò)隨機(jī)數(shù)法選取采集的840張圖片中的756張(90%)作為訓(xùn)練集,其余84張圖片(10%)作為測(cè)試集。
數(shù)據(jù)只有通過(guò)數(shù)據(jù)標(biāo)注才能讓卷積神經(jīng)網(wǎng)絡(luò)知道這個(gè)物體是什么。使用標(biāo)注軟件對(duì)數(shù)據(jù)集以及毒品原植物球莖和花朵進(jìn)行框選標(biāo)注(圖5所示),通過(guò)二者皆可實(shí)現(xiàn)毒品原植物智能識(shí)別。由于執(zhí)法行動(dòng)中獲得了不同分辨率、飽和度、光照條件、拍攝角度、拍攝高度的樣本,可提高不同場(chǎng)景的訓(xùn)練效果。最后,將標(biāo)注好的圖像信息保存為包括標(biāo)注類型和像素坐標(biāo)信息的.xml文件。
搭載好Yolov5軟件的運(yùn)行環(huán)境后,將毒品原植物數(shù)據(jù)集的主要參數(shù)調(diào)整為:訓(xùn)練迭代次數(shù)設(shè)為450 000;單次訓(xùn)練所抓取的數(shù)據(jù)樣本數(shù)量(batch-size)設(shè)為64,可實(shí)現(xiàn)每批訓(xùn)練64個(gè)樣本;輸入圖片的像素大小設(shè)為416*416 。
圖5 毒品原植物標(biāo)注實(shí)例
然后,對(duì)毒品原植物現(xiàn)場(chǎng)無(wú)人機(jī)巡檢獲得圖像中出現(xiàn)的目標(biāo)及識(shí)別結(jié)果進(jìn)行統(tǒng)計(jì):將識(shí)別數(shù)與漏檢數(shù)之和定義為合計(jì)數(shù);準(zhǔn)確率為識(shí)別正確數(shù)與合計(jì)數(shù)的比值,誤報(bào)率為識(shí)別錯(cuò)誤數(shù)與合計(jì)數(shù)的比值,漏報(bào)率為漏檢數(shù)與合計(jì)數(shù)的比值。統(tǒng)計(jì)結(jié)果如下:罌粟花識(shí)別準(zhǔn)確率為92%,誤報(bào)率為5%,漏報(bào)率為3%;罌粟花蕾識(shí)別準(zhǔn)確率為87%,誤報(bào)率為8%,漏報(bào)率為5%。上述數(shù)據(jù)證明了經(jīng)過(guò)該算法訓(xùn)練后智能識(shí)別準(zhǔn)確率較好。圖6為毒品原植物識(shí)別圖。
圖6 毒品原植物識(shí)別圖
綜上所述,毒品原植物無(wú)人機(jī)系巡檢統(tǒng)實(shí)現(xiàn)了在無(wú)人機(jī)平臺(tái)上,毒品原植物圖像即時(shí)采集并傳輸至地面站進(jìn)行智能識(shí)別處理且推送到執(zhí)法終端的功能,形成了相對(duì)完善的毒品原植物即時(shí)處置的閉環(huán)執(zhí)法路徑,滿足了即查即辨的要求,提高了執(zhí)法效率。該閉環(huán)執(zhí)法系統(tǒng)符合當(dāng)前公安民警執(zhí)法全流程記錄的要求,建成了全面覆蓋、有機(jī)銜接、閉環(huán)管理的執(zhí)法記錄鏈條,達(dá)到了執(zhí)法活動(dòng)全過(guò)程留痕且可回溯管理的目的。毒品原植物無(wú)人機(jī)系統(tǒng)在毒品原植物巡檢執(zhí)法中的應(yīng)用流程,主要包括五個(gè)階段:任務(wù)準(zhǔn)備、飛行巡檢、識(shí)別推送、證據(jù)固定、現(xiàn)場(chǎng)處置。
民警在接到群眾報(bào)警或者開(kāi)展巡檢任務(wù)后,應(yīng)進(jìn)行巡檢區(qū)域現(xiàn)場(chǎng)勘查、檢查無(wú)人機(jī)和確定飛行航線等準(zhǔn)備工作,明確禁飛區(qū)范圍和航線規(guī)劃區(qū)障礙物限制高度等現(xiàn)場(chǎng)情況,為高效巡檢做好前期準(zhǔn)備。
飛行前,檢查無(wú)人機(jī)狀態(tài)是否正常以及現(xiàn)場(chǎng)環(huán)境和氣象情況是否滿足飛行條件。若飛行條件具備,使用毒品原植物無(wú)人機(jī)巡檢管理平臺(tái)對(duì)飛行航線進(jìn)行規(guī)劃,完成后開(kāi)始執(zhí)行飛行任務(wù)。
當(dāng)檢測(cè)到毒品原植物時(shí),無(wú)人機(jī)巡檢管理平臺(tái)進(jìn)行識(shí)別推送,將處置信息與坐標(biāo)位置推送至執(zhí)法民警緝毒巡檢移動(dòng)終端。民警可通過(guò)移動(dòng)終端具備的拍照信息獲取功能對(duì)毒品原植物信息進(jìn)行拍照記錄或回傳,實(shí)現(xiàn)線上協(xié)作。
若無(wú)人機(jī)發(fā)現(xiàn)毒品原植物,就將以導(dǎo)航定位模式在其上方進(jìn)行定高定點(diǎn)停留,并回傳采集的視頻照片。即通過(guò)固定無(wú)人機(jī)機(jī)位,水平轉(zhuǎn)動(dòng)機(jī)身位置等拍攝方法將被拍攝客體分段連續(xù)拍攝為若干畫(huà)面。同時(shí),執(zhí)法民警配合使用執(zhí)法記錄儀對(duì)現(xiàn)場(chǎng)的執(zhí)法行為進(jìn)行客觀、全面的記錄。
執(zhí)法民警手動(dòng)鏟除違法種植毒品原植物后,通過(guò)緝毒巡檢APP將處置結(jié)果上傳至巡檢管理平臺(tái),完成整個(gè)執(zhí)法作業(yè)流程。
當(dāng)前,公安機(jī)關(guān)推行“情指行”一體化實(shí)戰(zhàn)化運(yùn)行機(jī)制,強(qiáng)調(diào)智能警務(wù)模式,注重信息化手段運(yùn)用。在緝毒執(zhí)法工作中,依托毒品原植物無(wú)人機(jī)巡檢系統(tǒng),可實(shí)現(xiàn)智能化執(zhí)法處置。同時(shí),巡檢執(zhí)法信息可傳輸至公安指揮中心,通過(guò)業(yè)務(wù)協(xié)同、數(shù)據(jù)融合,搭建起業(yè)務(wù)、數(shù)據(jù)、人員三位一體的運(yùn)行管理機(jī)制,建立執(zhí)法全要素管理的新體系。在緝毒執(zhí)法過(guò)程中,緝毒無(wú)人機(jī)系統(tǒng)的執(zhí)法信息融入公安指揮中心,可為上級(jí)部門執(zhí)法行動(dòng)決策提供依據(jù),有助于違法種植毒品原植物巡檢執(zhí)法的監(jiān)督管理,體現(xiàn)了智能警務(wù)實(shí)戰(zhàn)化的特點(diǎn)。該體系的構(gòu)建對(duì)于規(guī)范執(zhí)法活動(dòng),提高辦案效率,保障民警更好地依法履行職責(zé),維護(hù)人民群眾的合法權(quán)益也具有重大意義。
本文以毒品原植物違法種植巡檢執(zhí)法工作為研究對(duì)象,基于毒品原植物無(wú)人機(jī)巡檢過(guò)程中存在的智能化水平低、執(zhí)法效率低的現(xiàn)狀,提出并構(gòu)建了毒品原植物無(wú)人機(jī)巡檢系統(tǒng)。該系統(tǒng)采用基于Yolov5的深度學(xué)習(xí)智能識(shí)別系統(tǒng),將無(wú)人機(jī)技術(shù)、人工智能識(shí)別技術(shù)、全球定位技術(shù)、刑事影像技術(shù)、智能證據(jù)采集技術(shù)、移動(dòng)通信網(wǎng)絡(luò)技術(shù)等融合在一起,實(shí)現(xiàn)了一鍵任務(wù)規(guī)劃、導(dǎo)航定位、識(shí)別判斷違法種植毒品原植物、自動(dòng)取證、信息推送并處置的功能,構(gòu)建了民警與無(wú)人機(jī)協(xié)同作業(yè)體系,實(shí)現(xiàn)了智能化巡檢違法種植毒品原植物,并具備主動(dòng)上報(bào)作戰(zhàn)指揮中心和推送公安民警的功能,有效解決了當(dāng)前無(wú)人機(jī)執(zhí)法中存在的問(wèn)題,提高了公安民警執(zhí)法效率,實(shí)現(xiàn)了警用無(wú)人機(jī)智能化應(yīng)用程度提升。