CenterNet无人机检测，代码和训练结果，有使用教程，目标类别为drone，旋翼无人机检测，在几万张图片上训练的权重文件

ROS系统制作工具

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

地磅台账，用于记录无人值守称重系统

电厂远程损伤检测图像数据集（大型与小型太阳能电池板+红外热图+风力涡轮机缺陷图像）-无人机图像与VOC标签，可用于目标检测、图像识别等人工智能领域，实现缺陷的自动化检测。

针对四旋翼无人机控制系统的研究，设计采用LabVIEW软件，搭建控制系统的数据采集面板和查询回放面板。控制系统实时采集四旋翼无人机的飞行姿态参数，将飞行高度、飞行速度、俯仰角和滚动角实时数据显示在数据采集子面板，实现了数据的显示、处理、存储及回放等功能。经过测试，系统实现了无人机的姿态监测，满足控制小型四旋翼无人机的实际需要。

基于无人直升机的空中机械手（UH-AM）是一种带有手臂的空中机器人的新概念，它将传统的搜索式RUAV转变为可操作的空中机器人。 与传统机械臂一样，末端执行器的控制精度对于在悬停模式下进行精确操作也很重要，但是由于UH和AM之间的相对干扰，因此无法轻松实现。 在这项研究中，首先开发了整体动力学模型。 基于所提出的模型，为了补偿转子系统控制延迟引起的相对动态干扰，设计了一种预测控制器，以消除末端执行器的位置和姿态误差。 仿真结果表明，它在内部/外部扰动下对精确的空中操作具有有效性。

热太阳能、大太阳能、小太阳能、风力涡轮机图像数据集的电厂远程损伤检测图像数据集（无人机图像，含VOC标签）

操作系统

目前国内许多煤矿应用了可视化远程干预型智能无人化综采，但是综采工作面内仍然需要1名工人进行巡检作业，为了实现综采工作面支架支护区域内真正无人，需要研究一种综采工作面巡检机器人，实现对综采工作面巡检人员的替代，是智能综采的发展方向。在分析综采工作面巡检机器人研究现状的基础上，提出综采工作面巡检机器人研究目前处于起步阶段，指出了综采工作面巡检机器人研究需要攻克的5个方面的技术难题：综采工作面巡检机器人控制平台技术、高可靠行走驱动技术、移动通信实时控制技术、协同控制技术、应用配套技术。给出并具体分析了综采工作面巡检机器人发展所需的5项关键技术：柔性轨道技术、精准定位导航技术、高可靠控制技术、动态图像采集技术、三维采场模型构建技术。研制了一款综采工作面巡检机器人，以电池供电驱动行走机构沿刮板输送机电缆槽外侧的轨道实现快速移动，轨道之间采用具有一定承载能力的弹簧连接件实现柔性连接，综采工作面巡检机器人搭载惯性导航系统、三维激光扫描装置、红外热成像摄像仪、可见光摄像仪、无线移动终端等装备，可完成对综采工作面直线度、水平度检测、工作面精确定位、工作面点云扫描、采煤机运行状态巡检与工作面快速巡检等功能