摘要：針對生態(tài)監(jiān)測的需求，提出了一種基于STM32和深度學習的撲翼機系統(tǒng)設計。撲翼機具有高度的機動性和靈活性，能夠在復雜環(huán)境中進行監(jiān)測和數(shù)據(jù)采集。文章利用深度學習算法對撲翼機采集的生態(tài)環(huán)境數(shù)據(jù)進行分析和處理，以實現(xiàn)對生態(tài)環(huán)境的實時監(jiān)測和數(shù)據(jù)分析。具體地設計了一種基于卷積神經網絡的生態(tài)環(huán)境數(shù)據(jù)分析算法，能夠實時地根據(jù)撲翼機采集的數(shù)據(jù)，對環(huán)境參數(shù)進行分類和識別。該系統(tǒng)由數(shù)據(jù)采集、無線收發(fā)、數(shù)據(jù)監(jiān)控及數(shù)據(jù)存儲等功能模塊組成，使用高精度攝像頭傳感器實現(xiàn)對森林等地區(qū)環(huán)境參數(shù)的采集。實驗結果表明，該系統(tǒng)具有較高的監(jiān)測精度和實時性，能夠為生態(tài)環(huán)境保護提供有效的數(shù)據(jù)支持。

關鍵詞：STM32；深度學習；撲翼機；卷積神經網絡

中圖分類號：TN29 文獻標識碼：A

文章編號：1009-3044（2024）23-0031-03

開放科學（資源服務）標識碼（OSID）

0 引言

隨著科技的快速發(fā)展，仿鳥式撲翼機成了未來人造飛行器的發(fā)展趨勢。本項目旨在研究設計一款基于深度學習的生態(tài)監(jiān)測仿鳥式撲翼機，通過優(yōu)化設計的雙段翼結構、使用新型高強度材料、融合深度學習等人工智能算法，實現(xiàn)高效、準確的生態(tài)監(jiān)測[1]。目前，國內外對于撲翼機的研究已經取得了一定的進展，但仍然存在一些關鍵問題需要解決，如飛行控制、動力和能源選擇以及驅動機構等。

本項目將從結構設計、飛行控制、生態(tài)監(jiān)測等方面進行研究設計。通過選用ARM芯片作為主控單元，對撲翼機進行飛行姿態(tài)控制，并結合基于深度學習的視覺識別模塊進行生態(tài)監(jiān)測。最終實現(xiàn)一款能夠智能執(zhí)行自主巡航任務、高效準確進行生態(tài)監(jiān)測的仿鳥式撲翼機，為保護生態(tài)環(huán)境提供有力的技術支持。

1 系統(tǒng)功能及總體設計

1.1 系統(tǒng)功能綜述

本系統(tǒng)的主要關鍵在于仿鳥式撲翼機搭載了圖像處理模塊后，在空中的飛行姿態(tài)控制以及對采集到的圖像等環(huán)境數(shù)據(jù)進行處理操作。在撲翼機進行區(qū)域巡航飛行時，其上搭載的STM32微控制器將根據(jù)陀螺儀數(shù)據(jù)獲取當前撲翼機的翻滾角、俯仰角與航向角，將當前飛行姿態(tài)角度與預設值進行比較，通過PID控制器的計算后，分別控制撲翼機構與尾翼的舵機結構，實現(xiàn)撲翼機飛行中的姿態(tài)控制。同時，在進行姿態(tài)控制的過程當中，Maix Dock攝像頭模塊與STM32微控制器之間通過串口進行實時通信，并根據(jù)預設巡航信息進行圖像的拍攝以及預處理，然后通過無線通訊模塊[2]將相關傳感器數(shù)據(jù)以及圖像數(shù)據(jù)傳輸至地面上位機觀測站，即PC終端機。

當然，在撲翼機巡航過程中，地面觀測人員可以通過上位機發(fā)送修改參數(shù)給撲翼機，使撲翼機臨時更改預設的巡航數(shù)據(jù)，做到更好地適應工作環(huán)境。

1.2 系統(tǒng)總體設計

系統(tǒng)主要以搭載了K210處理器的Maix Dock模塊作為圖像采集和處理傳感器，STM32F4作為主控制器，小型金屬舵機作為控制尾翼擺動的動力源，直流無刷電機作為驅動撲翼機構做到撲翼飛行的主要動力，構成用于采集生態(tài)數(shù)據(jù)信息的撲翼飛行硬件平臺[3]。系統(tǒng)中的上位機主要由PC機構成，與撲翼機之間通過無線通訊模塊建立通訊網絡。系統(tǒng)總體設計框架如圖1。

2 系統(tǒng)硬件設計

2.1 撲翼機結構設計

在撲翼機的結構設計中，應考慮到需要搭載在其上的幾類功能模塊，如Maix Dock圖像處理模塊與攝像頭、STM32F4微控制器主控板與傳感器、舵機與無刷電機組成的動力單元以及無線通訊模塊。因此，撲翼機需要足夠的載重能力。為了滿足這一要求，我們將采用翼展1.2米至1.4米的撲翼結構設計，并使用碳纖維材料作為主體結構的材料。這種設計不僅能夠減輕撲翼機自身的重量，還能為各個結構提供更高的強度保障。

在撲翼機的機身設計中，我們將采用CNC加工切割技術，將3毫米的碳纖維板材切割成整體鏤空狀態(tài)。單側的機翼將以一根4毫米的碳纖維桿為主要支撐，同時使用輕質高強度的尼龍布料作為翼膜，并利用多根1毫米的碳纖維桿作為輔助支撐，從而形成整體機翼。尾翼的設計同樣使用了碳纖維桿與高強度輕質尼龍布料制成扇形。在機翼與機身、尾翼與機身的連接處，由于是非標準結構，且要求重量輕，我們將采用3D打印技術，使用高強度尼龍材料作為連接件[4]。撲翼機機身圖紙，如圖2所示。

2.2 微控制器

2.2.1 Maix Dock模塊

Maix Dock模塊上的系統(tǒng)級勘智K210芯片采用28納米先進技術，搭載RISC-V 64位雙核處理器，專為機器視覺而設計。這款芯片最引人注目的特點是KPU，它可以輕松應對卷積人工神經網絡的計算需求。此外，K210還配備了快速傅里葉變換加速器，使FFT計算更加高效。因此，這款芯片可以毫不費力地處理大多數(shù)機器學習算法，展現(xiàn)出卓越的性能。撲翼機機翼（左）圖紙，如圖3所示。

2.2.2 STM32微控制器

STM32F407微控制器是意法半導體公司生產的一款基于Cortex-M4內核的32位微控制器，最高工作頻率可達168MHz，具有浮點運算單元和DSP指令。該控制器具有豐富的外設接口，如I2C、SPI、USART、TIM等，能夠滿足多種應用場景的需求。此外，STM32F407還支持多種通信協(xié)議，如CAN、USB、Ethernet等，方便用戶進行數(shù)據(jù)傳輸和控制。撲翼機利用STM32微控制器作為主控制器，實現(xiàn)對飛行姿態(tài)進行PID自動控制運算。

2.3 傳感器

2.3.1 陀螺儀

MPU6050陀螺儀是一款高性能的傳感器模塊，內置三軸MEMS陀螺儀和三軸MEMS加速度計，配備數(shù)字運動處理引擎（DMP） 和輔助I2C端口，支持連接第三方數(shù)字傳感器。該模塊采用16位模/數(shù)轉換器（ADC） ，將陀螺儀和加速度計的數(shù)據(jù)轉化為數(shù)字量輸出，通過I2C與STM32微控制器進行數(shù)據(jù)傳輸，獲取撲翼機實時的姿態(tài)數(shù)據(jù)。此外，MPU6050還內置了可編程的低通濾波器，可用于傳感器數(shù)據(jù)的濾波。該模塊用于測量撲翼機撲翼飛行時的加速度、角速度和氣壓等重要數(shù)據(jù)信息。

2.3.2 光電傳感器

紅外反射式光電傳感器具有體積小、重量輕、功耗低、響應速度快、抗干擾能力強等優(yōu)點，適用于各種小型飛行器的避障系統(tǒng)。通過安裝多個紅外反射式光電傳感器，可以實現(xiàn)對撲翼機周圍環(huán)境的感知和避障。當紅外光遇到障礙物時會被反射回來，然后被紅外接收器接收。通過檢測紅外光的反射情況，可以判斷前方是否有障礙物，從而調整撲翼機的飛行方向，避免與障礙物發(fā)生碰撞。這種光電傳感器在撲翼機避障中發(fā)揮著重要作用。

3 系統(tǒng)軟件設計

3.1 深度學習算法

本文設計了基于卷積神經網絡的生態(tài)環(huán)境數(shù)據(jù)分析算法，實現(xiàn)這個算法主要有以下幾個步驟：數(shù)據(jù)收集、數(shù)據(jù)預處理、卷積神經網絡構建[5]、模型訓練、模型評估、模型應用。實現(xiàn)上述算法的基礎是搭載了K210芯片的Maix Dock模塊、攝像頭以及PC上位機等硬件設備，并在已有的設備中搭建Google公司開發(fā)的Tensorflow框架。

在撲翼機在全新區(qū)域進行巡航監(jiān)測前，首先利用攝像頭采集生態(tài)環(huán)境的圖像數(shù)據(jù)，并實時傳輸至Maix Dock模塊中，通過其上的處理器對圖像數(shù)據(jù)進行初步的去噪、縮放、歸一化等處理操作。同時，還會進行特征提取和選擇，以提取與生態(tài)環(huán)境相關的關鍵特征。然后，使用撲翼機上搭載的無線通訊模塊將預處理后的數(shù)據(jù)信息傳輸至上位機，利用在PC上設計構建的卷積神經網絡進行模型訓練，將訓練后符合評估標準的模型再次部署至撲翼機上搭載的Maix Dock模塊中。深度學習算法實現(xiàn)步驟，如圖4所示。系統(tǒng)主流程圖，如圖5所示。

撲翼機在進行生態(tài)區(qū)域的連續(xù)巡航監(jiān)測過程中，將會直接通過部署了訓練模型的Maix Dock模塊與攝像頭實時監(jiān)測生態(tài)環(huán)境的圖像信息，僅需將異常數(shù)據(jù)與巡航日志發(fā)送至上位機即可。

3.2 PID（比例-積分-微分）控制器

本系統(tǒng)通過撲翼機的姿態(tài)角與預設巡航的姿態(tài)角之差，通過PID算法來控制主控制器STM32輸出的PWM信號，使得舵機帶動尾翼的翻轉實現(xiàn)撲翼機的姿態(tài)控制調整，直到撲翼機按照預設的航向進行巡航任務[6]。

在經典的PID控制器中，將實際值與目標值之間的差值稱為系統(tǒng)誤差。這個誤差信號會作為PID控制器的輸入?？刂破魈幚磉@個輸入后，會輸出一個信號[u（t）]。對于連續(xù)時間系統(tǒng)，PID控制器的數(shù)學表達式如式（1）：

[u（t）=Kpe（t）+Ki∫t0e（τ）dτ+Kdde（t）dt] （1）

其中：[u（t）]是控制器的輸出，[e（t）]是系統(tǒng)誤差，[Kp]、[Ki]和[Kd]分別是比例、積分和微分系數(shù)。這個公式揭示了PID控制器的基本結構，它是由比例、積分和微分三個部分組成，控制器先將誤差乘以比例增益[Kp]，再對誤差進行積分，然后進行微分，最后三者之和為輸出[u（t）]。而計算機等數(shù)字系統(tǒng)對數(shù)據(jù)處理都應離散化，所以對于離散時間系統(tǒng)下的PID公式如式（2）：

[uk=Kpek+Kiτ=0keτ+Kd（e[k]-e[k-1]）] （2）

離散PID一般分為2種算法，一種是增量式PID，另一種是位置式PID，本系統(tǒng)采用了位置式PID，若采樣周期為T，則離散位置式PID公式如式（3）：

[u[k]=Kpe[k]+KiTτ=0ke[τ]+Kd（e[k]-e[k-1]）] （3）

相較于普通PID算法，可以使撲翼機姿態(tài)調整更加穩(wěn)定。

4 系統(tǒng)測試結果

系統(tǒng)采用上位機與下位機結合的應用形式，通過上位機可以獲取撲翼機的監(jiān)測數(shù)據(jù)信息，并在卷積神經網絡中訓練模型，通過無線通訊模塊將訓練、評估后的模型部署到撲翼機當中。同時上位機也可以遠程修改撲翼機中的預設飛行信息，做到實時調整撲翼機的飛行路線與監(jiān)測任務。

在撲翼機自主巡航監(jiān)測生態(tài)數(shù)據(jù)的過程當中，大部分圖像信息將優(yōu)先通過K210處理器的處理，其中部署的是預先訓練的模型信息。若是數(shù)據(jù)監(jiān)測到異常狀態(tài)，撲翼機會把異常信息的圖像數(shù)據(jù)即時傳輸至上位機終端，其余信息將存儲至機身搭載的數(shù)據(jù)存儲設備中，作為日志信息供后續(xù)查閱，這樣就可避免無線傳輸時數(shù)據(jù)延遲、丟失等問題。

同時在撲翼機的撲翼飛行過程當中，PID控制器能夠很好地調整撲翼機飛行姿態(tài)，使其能夠良好地執(zhí)行預設的飛行監(jiān)測任務，在任務過程當中受到環(huán)境干擾能夠準確修正飛行狀態(tài)，并可在任務完成后準確地返航。

5 結束語

本文設計的基于STM32和深度學習的撲翼機生態(tài)監(jiān)測系統(tǒng)，能夠利用撲翼機在多種環(huán)境中采集生態(tài)數(shù)據(jù)，并使用深度學習算法對數(shù)據(jù)進行分類和識別，實現(xiàn)生態(tài)環(huán)境的實時監(jiān)測和數(shù)據(jù)分析。系統(tǒng)由數(shù)據(jù)采集、無線收發(fā)、數(shù)據(jù)監(jiān)控和數(shù)據(jù)存儲等功能模塊組成，可對森林等局部地區(qū)的環(huán)境參數(shù)進行精確采集。最終測試結果表明了，該系統(tǒng)所具有的高監(jiān)測精度和實時性能夠為生態(tài)環(huán)境的保護提供有效支持。

參考文獻：

[1] 李勇欣，張兆海.加強生態(tài)環(huán)境檢測及環(huán)保技術應用探討[J].濮陽職業(yè)技術學院學報，2023，36（5）：17-19.

[2] 甘緒桐，陳寶瑞，熊劍敏，等.基于LoRa無線通信技術的電氣火災監(jiān)測方法研究[J].現(xiàn)代傳輸，2023（6）：42-45.

[3] 鄔毅松.無線低功耗大容量數(shù)據(jù)采集系統(tǒng)的設計[J].電腦知識與技術，2023，19（21）：94-96.

[4] 馬程，熊曉松，吳昊，等.撲翼機結構設計及運動仿真[J].中國教育技術裝備，2020（14）：27-29.

[5] 黃繁章.仿鳥撲翼機器人結構優(yōu)化與自主飛行控制研究[D].南京：東南大學，2021.

[6] 朱亞軍，陳砆興.基于機器視覺的目標識別方法的研究進展[J].科技資訊，2023，21（21）：21-24.

【通聯(lián)編輯：朱寶貴】