毒品原植物無人機巡檢系統及執法應用

陳海濤，王 輝，張志學，唐寶華，朱紅偉

中國人民警察大學，河北 廊坊 065000

0 引言

近年來，我國禁毒工作形勢依然嚴峻[1]，國內毒品原植物(如罌粟)違法種植現象屢禁不止。為從源頭上控制毒品原植物違法種植活動的發生，公安機關將毒品原植物巡檢執法作為一項重要工作落實[2]，定期開展禁種鏟毒“天目行動”。無人機因其具有機動靈活、視野范圍廣、操作便捷等特點，在公安禁毒鏟毒工作中發揮著越來越重要的作用，已經成為當前禁毒執法工作的重要工具。但是，調查研究表明當前無人機在毒品原植物巡檢中也有一些問題亟待解決。一是巡檢執法智能化程度不高[3]。無人機巡檢過程中，公安民警對采集的圖像數據現場或返回單位后進行肉眼識別，這樣的方式任務繁重且效率低下。二是巡檢執法系統不完善。圖像采集和識別不同時，不能實現巡查毒品原植物“即查、即辨”的效果，影響了執法處置時效性。在此背景下，本文設計了智能化、多端互通、高時效性的毒品原植物無人機巡檢系統，形成了閉環執法，有效提高毒品原植物無人機巡檢執法效率和警務實戰應用水平。

1 毒品原植物無人機巡檢系統設計

毒品原植物無人機巡檢系統包括飛行平臺、地面站、通信鏈路和緝毒巡檢移動端四個模塊(如圖1所示)。

圖1 毒品原植物無人機巡檢系統組成

1.1 飛行平臺

飛行平臺由動力系統、圖像采集系統、飛行控制系統、定位系統以及機體結構組成。圖2為毒品原植物巡檢無人機平臺實物圖。(1)動力系統由電機、電調、螺旋槳、電池組成，它為無人機飛行提供動力，將電能轉化為機械能。(2)圖像采集系統選用的主要部件是多光譜相機，該相機能夠對復雜場景下的毒品原植物進行圖像采集，具備刑事攝影技術所要求的多種拍攝方法，滿足執法取證需求。(3)飛行控制系統由主控單元、慣性測量單元(IMU)、氣壓計、LED指示燈等模塊組成。其主要功能：一是通過計算各路狀態傳感器傳回的數據，實現飛機飛行過程中三軸姿態角和空間位置穩定；二是配合定位系統實現無人機航線規劃、自主飛行、定點降落等功能。(4)定位系統由GPS模塊和電子地圖組成，是支持無人機安全飛行的重要技術條件，該系統能在發現目標時及時準確定位無人機位置，實現毒品原植物目標定位。(5)機體結構由機架、支臂、腳架組成，既是掛載相機的平臺，同時也是其他部件安裝的基礎，其主要功能是將各模塊連接成一個有機整體。

圖2 毒品原植物巡檢無人機平臺實物圖

1.2 地面站

地面站由硬件和軟件系統組成。硬件系統需具備輸入設備、輸出設備、存儲器、運算器和控制器，選用具備一定性能指標的筆記本電腦作為地面站硬件平臺；軟件系統采用基于JFinal[4]框架和.Net[5]開發平臺的架構設計，圖3為毒品原植物無人機巡檢管理平臺界面。

圖3 毒品原植物無人機巡檢管理平臺界面

1.3 通信鏈路

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人機的遙控指令發送，下行鏈路主要完成無人機到地面站的圖像采集信息數據的發送和接收。根據《無人機系統頻率使用事宜》規定使用警用無人機頻段，該頻段能更好地滿足警務應用信息傳輸需要。

1.4 移動終端

無人機巡檢移動終端安裝有相應APP程序軟件，可以是手機或警務通等移動設備。移動終端整體采用模型—視圖—控制器(MVC)的架構模式[6]。無人機識別的執法信息和現場情況能夠通過移動終端即時共享給執法民警，確保了信息時效性，滿足了及時出警的需求，是閉環執法體系中的重要組成部分。

2 人工智能識別軟件系統構建

2.1 算法選擇

隨著以深度學習技術[7]為代表的人工智能識別技術[8]不斷發展進步，該技術已經在人臉識別、智能監控等公安警務方面得到了廣泛應用。分析發現：傳統人臉識別技術算法多基于關鍵特征匹配，其泛化能力較弱；而在毒品原植物識別技術中，選用了泛化能力較強、智能識別準確度較高的Yolo作為識別訓練算法。Redmond等人提出的Yolo作為一種基于深度學習的快速識別算法[9-11]，擺脫了傳統深度學習算法先生成預測框，再對應給出分類的弊端。該算法通過一個卷積神經網絡結構就可以實現從輸入圖像到輸出識別目標預測框的訓練，并且實現了類別概率一步求解，大大提高了識別效率。該算法可以實現毒品原植物圖像即時處理與視頻播放，滿足執法快速識別的要求。

2.2 網絡模型

Yolov5目標檢測網絡共有 Yolov5m、Yolov5s、 Yolov5x 和 Yolov5l 四種權重模型，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網絡，從而保證識別速度。由“width_multipe”和“depth_multiple”參數分別控制網絡的寬度和深度。圖4為Yolov5網絡結構圖，Yolov5網絡結構由Input、Backbone、Neck、 Output 四部分組成。

Yolov5的輸入端(Input)，采用了Mosaic數據增強，自適應錨框計算和圖片縮放技術。Mosaic數據增強技術可將四張圖片進行隨機縮放、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網絡中訓練，相當于傳入了四張圖片，可明顯提升運行速度。自適應錨框計算技術可以對每一個數據集計算出最佳錨點框。自適應圖片縮放技術可根據圖片原始和輸入到網絡的尺寸計算縮放比例，進而確定縮放后圖片的大小，該技術通過增加最少黑邊到縮放之后的圖片中以降低信息冗余度。Yolov5的網絡主體部分(Backbone)是在不同圖像細粒度上聚合并形成特征的卷積神經網絡，主要由Focus和CSP兩部分結構組成。其運行的主要思想是通過Slice操作對輸入圖片進行剪裁，降低計算瓶頸來增強CNN的學習能力，同時降低內存成本。Yolov5的網絡融合部分(Neck)是一系列混合和組合圖像特征的網絡層，可將圖像特征傳遞到預測層。Yolov5的輸出端(Output)可對圖像特征進行預測，最終生成邊界框并預測類別。

圖4 Yolov5網絡結構圖

2.3 數據集制作

數據集在深度學習中占據重要地位，有著卷積神經網絡訓練與測試的雙重作用，其好壞程度決定了毒品原植物識別成功率的高低。使用的訓練樣本是在多次巡查執法活動中采集的840張毒品原植物圖片。按照數字的格式(narcotics)進行重命名并排序。通過隨機數法選取采集的840張圖片中的756張(90%)作為訓練集，其余84張圖片(10%)作為測試集。

2.4 數據集標注

數據只有通過數據標注才能讓卷積神經網絡知道這個物體是什么。使用標注軟件對數據集以及毒品原植物球莖和花朵進行框選標注(圖5所示)，通過二者皆可實現毒品原植物智能識別。由于執法行動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，可提高不同場景的訓練效果。最后，將標注好的圖像信息保存為包括標注類型和像素坐標信息的.xml文件。

2.5 算法訓練

搭載好Yolov5軟件的運行環境后，將毒品原植物數據集的主要參數調整為：訓練迭代次數設為450 000；單次訓練所抓取的數據樣本數量(batch-size)設為64，可實現每批訓練64個樣本；輸入圖片的像素大小設為416*416 。

圖5 毒品原植物標注實例

然后，對毒品原植物現場無人機巡檢獲得圖像中出現的目標及識別結果進行統計：將識別數與漏檢數之和定義為合計數；準確率為識別正確數與合計數的比值，誤報率為識別錯誤數與合計數的比值，漏報率為漏檢數與合計數的比值。統計結果如下：罌粟花識別準確率為92%，誤報率為5%，漏報率為3%；罌粟花蕾識別準確率為87%，誤報率為8%，漏報率為5%。上述數據證明了經過該算法訓練后智能識別準確率較好。圖6為毒品原植物識別圖。

圖6 毒品原植物識別圖

3 毒品原植物無人機執法流程

綜上所述，毒品原植物無人機系巡檢統實現了在無人機平臺上，毒品原植物圖像即時采集并傳輸至地面站進行智能識別處理且推送到執法終端的功能，形成了相對完善的毒品原植物即時處置的閉環執法路徑，滿足了即查即辨的要求，提高了執法效率。該閉環執法系統符合當前公安民警執法全流程記錄的要求，建成了全面覆蓋、有機銜接、閉環管理的執法記錄鏈條，達到了執法活動全過程留痕且可回溯管理的目的。毒品原植物無人機系統在毒品原植物巡檢執法中的應用流程，主要包括五個階段：任務準備、飛行巡檢、識別推送、證據固定、現場處置。

3.1 任務準備

民警在接到群眾報警或者開展巡檢任務后，應進行巡檢區域現場勘查、檢查無人機和確定飛行航線等準備工作，明確禁飛區范圍和航線規劃區障礙物限制高度等現場情況，為高效巡檢做好前期準備。

3.2 飛行巡檢

飛行前，檢查無人機狀態是否正常以及現場環境和氣象情況是否滿足飛行條件。若飛行條件具備，使用毒品原植物無人機巡檢管理平臺對飛行航線進行規劃，完成后開始執行飛行任務。

3.3 識別推送

當檢測到毒品原植物時，無人機巡檢管理平臺進行識別推送，將處置信息與坐標位置推送至執法民警緝毒巡檢移動終端。民警可通過移動終端具備的拍照信息獲取功能對毒品原植物信息進行拍照記錄或回傳，實現線上協作。

3.4 證據固定

若無人機發現毒品原植物，就將以導航定位模式在其上方進行定高定點停留，并回傳采集的視頻照片。即通過固定無人機機位，水平轉動機身位置等拍攝方法將被拍攝客體分段連續拍攝為若干畫面。同時，執法民警配合使用執法記錄儀對現場的執法行為進行客觀、全面的記錄。

3.5 現場處置

執法民警手動鏟除違法種植毒品原植物后，通過緝毒巡檢APP將處置結果上傳至巡檢管理平臺，完成整個執法作業流程。

當前，公安機關推行“情指行”一體化實戰化運行機制，強調智能警務模式，注重信息化手段運用。在緝毒執法工作中，依托毒品原植物無人機巡檢系統，可實現智能化執法處置。同時，巡檢執法信息可傳輸至公安指揮中心，通過業務協同、數據融合，搭建起業務、數據、人員三位一體的運行管理機制，建立執法全要素管理的新體系。在緝毒執法過程中，緝毒無人機系統的執法信息融入公安指揮中心，可為上級部門執法行動決策提供依據，有助于違法種植毒品原植物巡檢執法的監督管理，體現了智能警務實戰化的特點。該體系的構建對于規范執法活動，提高辦案效率，保障民警更好地依法履行職責，維護人民群眾的合法權益也具有重大意義。

4 結語

本文以毒品原植物違法種植巡檢執法工作為研究對象，基于毒品原植物無人機巡檢過程中存在的智能化水平低、執法效率低的現狀，提出并構建了毒品原植物無人機巡檢系統。該系統采用基于Yolov5的深度學習智能識別系統，將無人機技術、人工智能識別技術、全球定位技術、刑事影像技術、智能證據采集技術、移動通信網絡技術等融合在一起，實現了一鍵任務規劃、導航定位、識別判斷違法種植毒品原植物、自動取證、信息推送并處置的功能，構建了民警與無人機協同作業體系，實現了智能化巡檢違法種植毒品原植物，并具備主動上報作戰指揮中心和推送公安民警的功能，有效解決了當前無人機執法中存在的問題，提高了公安民警執法效率，實現了警用無人機智能化應用程度提升。