[发明专利]一种智能飞行器多任务处理方法

说明书

本发明公开了一种智能飞行器多任务处理方法，通过在智能飞行器中设立神经网络，然后获取训练数据，并通过所述训练数据对所述神经网络进行训练，接着基于训练后的所述神经网络同时执行图像识别任务和调制识别任务，其中，神经网络包括数据预处理模块、神经网络输入模块、神经网络主体模块和神经网络分离鉴别模块，训练数据包括图像识别训练数据和调制识别训练数据，实现了智能飞行器能够用一个神经网络同时处理多个任务，而不必携带多个程序，降低了智能飞行器的体积。

技术领域

本发明属于智能飞行器技术领域，具体涉及一种智能飞行器多任务处理方法。

背景技术

智能飞行器主要运用于军事上的侦查以及破坏行动，而智能飞行器常见的处理任务包括图像识别任务和调制识别任务。而目前的智能飞行器处于智能机器发展阶段中的感知阶段，机器本身不能做到如同人类一样同时接受多种相干或不相干的信息进而进行处理，大多仍是以一个给定的程序去解决一个给定的问题。

在现有技术中，通常是将智能飞行器携带多个程序，用于智能飞行器能够同时处理图像识别和调制识别等任务，但携带多个程序会使智能飞行器的体积增大，大大提高了智能飞行器的制作成本与难度。

因此，如何减少智能飞行器携带程序数量，降低智能飞行器的体积，且智能飞行器还能够同时处理多个任务，是本领域技术人员有待解决的技术问题。

发明内容

本发明的目的是为了解决现有技术中智能飞行器需要携带多个程序才能同时处理多个任务的技术问题，提出了一种智能飞行器多任务处理方法。

本发明的技术方案为：一种智能飞行器多任务处理方法，包括以下步骤：

S1、在所述智能飞行器中设立神经网络；

S2、获取训练数据，并通过所述训练数据对所述神经网络进行训练；

S3、基于训练后的所述神经网络同时执行图像识别任务和调制识别任务。

其特征在于，所述神经网络包括依次连接的数据预处理模块、神经网络输入模块、神经网络主体模块和神经网络分离鉴别模块，所述训练数据包括图像识别训练数据和调制识别训练数据。

进一步地，所述步骤S2具体包括以下分步骤：

S21、通过所述数据预处理模块对所述训练数据进行预处理得到第一处理数据，其中，所述预处理具体为将所述图像识别训练数据和所述调制识别训练数据进行数据维度转换，所述第一处理数据包括第一图像识别训练数据和第一调制识别训练数据；

S22、通过所述神经网络输入模块对所述第一处理数据进行二次处理得到第二处理数据，所述二次处理具体为将所述第一图像识别训练数据和第一调制识别训练数据转换为数据维度相同的图像识别训练集和调制识别训练集，且将数据维度相同的所述图像识别训练集和所述调制识别训练集进行混合得到第二处理数据；

S23、通过所述神经网络主体模块对所述第二处理数据进行非线性运算得到混合输出数据；

S24、通过所述神经网络分离鉴别模块将所述混合输出数据进行分离得到图像识别训练结果和调制识别训练结果，并输出所述图像识别训练结果和所述调制识别训练结果。

进一步地，所述步骤S21中的对所述图像识别训练数据进行数据维度转换之前，还包括对所述图像识别训练数据进行随机裁剪、随机翻转和标准化处理。

进一步地，所述步骤S21中的对所述调制识别训练数据进行数据维度转换具体为将所述调制识别训练数据进行矩阵转换，得到2*32*32的调制识别矩阵训练数据，然后将该调制识别矩阵训练数据进行标准化处理得到第一调制识别训练数据。

进一步地，所述训练数据中的图像识别训练数据和调制识别训练数据是按照预设比例进行获取的。