基于数字孪生的机场FOD智能巡检系统
担任角色: 算法开发核心成员
项目时间: 2024.03 - 2024.06
技术栈: YOLOv5, TensorRT, OpenCV, 多传感器融合, ROS, 数字孪生
项目描述:
负责FOD检测核心算法开发,基于YOLOv5s模型进行训练与优化,并利用TensorRT进行量化部署,实现边缘侧3ms内的实时推理。
设计激光雷达点云与视觉图像的时空同步与融合策略,将复杂环境下的目标识别准确率提升至97.9%。
参与多智能体协同巡检的算法设计,显著提升区域覆盖效率。
项目成果:
算法性能达到业界先进水平,为低成本、高效率的巡检方案提供核心技术支撑。