目录
一、赛项名称
智能飞行器应用技术
二、赛项内容
本赛项竞赛时间为240分钟,竞赛内容及时间分配如表1所示。
表 1 竞赛内容与时间分配表
序号 | 竞赛项目 | 完成时间 |
模块1 | 智能飞行器设计与调控 | 60分钟 |
模块2 | 智能飞行器编程开发 | 150分钟 |
模块3 | 智能飞行器典型场景应用 | 30分钟 |
三、竞赛项目配分
本赛项满分100分,任务配分如表2所示。
表 2 任务分数分配表
序号 | 竞赛项目 | 分数 |
模块1 | 智能飞行器设计与调控 | 30 |
模块2 | 智能飞行器编程开发 | 40 |
模块3 | 智能飞行器典型场景应用 | 30 |
合计 | 100 |
四、竞赛须知
- 选手要在抽签的工位上进行比赛,按要求在任务书封面上填写好赛位号。选手务必在比赛开始前,认真阅读各比赛任务的重要提示。
- 选手在比赛开始前,认真检查工位设备,确认后开始比赛;选手完成任务后的工具、仪器和物料,现场由裁判统一收回。
- 任务书中要求的备份文件和保存在电脑中的文件,须选手在计算机桌面新建文件夹,根文件夹的命名原则为组别+位号,各具体任务在根文件夹下新建文件夹,命名原则为组别+赛号-模块号。
- 任务书中所要求备份的文件请备份到对应的文件夹下,即使选手没有任何备份文件也要求建立文件夹。参赛选手在竞赛过程中,不得使用自带U盘。
- 竞赛场地分两部分,竞赛模块一在室内竞赛场地比赛,竞赛模块二和模块三在室内竞赛场地及室外竞赛场地进行。
- 在任务书中有明确提示需要裁判验收的各项任务,选手完成相应的任务后请示意裁判进行评判,裁判在各评分节点仅验收评判1次。请选手根据任务书说明,确认完成后再提请裁判验收。选手对比赛过程中需裁判确认部分,应当先举手示意,等待裁判前来处理。
- 选手在竞赛过程中应该遵守相关的规章制度和安全守则,如有违反,按照相关规定在竞赛总成绩中扣除相应分值。
- 选手严禁携带任何通讯、存储设备及技术资料,如有发现将取消竞赛资格。选手如有擅自离开本参赛队赛位,或者与其他赛位选手交流,或在赛场大声喧哗等严重影响赛场秩序行为,将取消其参赛资格。
- 比赛过程中,若发生危及设备或人身安全事故,裁判有权立即停止比赛,情节严重的将取消其参赛资格。
- 选手必须认真填写各类文档,竞赛完成后所有文档按顺序一并上交。赛场提供的任何物品,不得带离赛场,否则取消其参赛资格。
模块二 智能飞行器编程开发
(AI学习)
时间:120分钟
一、任务背景
本模块围绕智能飞行器智能识别开发技术,基于智能飞行器在物流配送复杂工况下飞行获得的影像数据,通过数据标准处理进行图像识别AI模型的开发,并完成任务目标区域的三维模型数据采集及三维模型建立。本模块考查选手在智能飞行器物流配送应用中的飞行操作能力、影像采集能力与数据处理能力。模块同时考核参赛选手的统筹计划能力、工作效率、质量意识、安全意识、节能环保意识、团队协作精神等职业素质素养水平。
二、任务内容
本模块考查选手在智能飞行器应用平台上的开发能力、目标物视觉识别开发能力。典型场景应用竞赛平台为大疆M350 RTK,同时搭载大疆禅思H20T三轴云台负载模块、天翼SDK-TY云盒机载计算机模块,用于目标点目标物的AI识别学习与开发,并具备完整自主飞行且识别拍照的功能。在赛场竞赛电脑上配置了LabelImg AI识别标注软件。本模块在执行飞行任务时需得到裁判允许。
选手检查完典型场景应用竞赛平台环境后应举手示意,经裁判允许,将数据采集任务成果图片储存至工位电脑桌面对应选手文件夹中,选手使用采集到的巡查对象图片作为数据集,选手选择相关配送目标点学习素材图片,在基于AI识别学习Python语言环境下进行选择性深度学习,完成AI识别模型训练开发。AI学习完成后,选手需要使用深度学习训练的结果,进行小型货物的定点自动化配送位置识别,并在自动识别到定点目标后实现多角度自动拍照取证,最终通过识别到的信息在指定区域内完成物资的配送。
AI识别模型训练任务要求如下:
1.使用Anaconda环境打开LabelImg AI识别标注软件完成目标点图片素材的标注,并选用合适的标注成果格式,保证后续使用。
2.使用赛场提供的电脑使用FileZilla软件与天翼SDK-TY云盒机载计算机模块建立连接。
3.通过电脑的命令提示符窗口将识别的目标物标注信息进行导入,并通过相关命令代码编程完成AI识别目标物的模型训练。
4.将AI模型文件由.pt格式转化成机载计算机程序能够识别的模型格式.onnx。
5.AI模型验证:在采集的图片数据集内挑选20张作为训练完成后的模型验证素材,使用相关代码指令完成模型验证。
6.完成训练及模型验证后,将onnx模型成果文件通过FileZilla软件储存至天翼SDK-TY云盒机载计算机内,并备份在相应文件夹内(工位电脑桌面对应的文件夹内)。
7.将用遥控器规划的航线文件.kmz通过FileZilla软件储存至天翼SDK-TY云盒机载计算机内。
8.参赛选手需对模型、航线文件自行命名,模型名称为“port.onnx”,航线名称为“waypoint.line.kmz”。
9.参赛选手需自行建立备份文件夹,命名规则是“组别号+赛号”,素材标注文件夹、模型文件、航线文件、验证素材exp文件夹、录屏文件。
AI训练相关操作代码指令及步骤参考如下:
1.标注数据
(1)使用anaconda环境来打开标注软件labelimg
(2)进入conda空间—conda activate p2
(3)打开labelimg——labelimg
(4)开始标注
注:选取打开目录和标签输出目录,注意格式需要修改成yolo格式
2.AI模型训练
(1)conda activate yolov5_5.0_train_3.6
(2)cd yolov5
(3)mkdir test //存放标签文件和训练照片
(4)整体test目录的架构
(5)images/train 放置训练照片 labels/train 放置标签文件
(6)cd data 进入data目录创建test.yaml
说明训练文件放置位置以及nc数量
(7)修改models/yolov5s.yaml
将nc修改成标签类别数量
(8)开始训练(参考)
python train.py --data test.yaml --cfg yolov5s.yaml --epoch 300 --batch-size 4
训练完成后生成*.pt模型
- 验证素材
命令:python detect.py --weight runs/train/exp/weights/best.pt --source test111/images/train/(--source后面的路径为20张验证素材路径)
(10)在文件夹yolov5-6.1内转化模型(参考)
python export.py --weights best.pt --img 640 --batch 1
(11)转化后的onnx模型放入执行文件夹内ty_log/waypoint_space
(12)将航线文件.kmz放入执行文件夹内ty_log/waypoint_space
注:基础指令代码(连接:ssh;进入:cd;复制:cp;新建:mkdir;编辑:vim;退出:cd ..;解压:unzip)
注意事项
1. 选手需在竞赛正式开始前检查设备状态是否正常,若发现设备状态异常应举手示意裁判。
2. 比赛正式开始后,因选手操作不当导致竞赛内容无法完成,竞赛总时长内未完成任务内容,则后续内容不得分,转场时间不算在竞赛时间内。
3. 20张验证素材内置信度低于0.5的图片不得分。
4. 20张验证素材置信度平均值低于0.6,则取消选手模块三比赛资格。
5. 进行模块二任务2比赛时打开EV录屏软件,比赛完成后保存录屏文件至自己的文件夹内。
6. 选手自行保管机载计算机、内存卡、读卡器,如机载计算机出现人为损坏或丢失,则取消选手模块三比赛资格。