通过无人机数据与深度学习方法的结合，实现自动化和大规模的情况评估，同时证明了无人机的自主投送能够集成机载图像处理技术，提高运载救援物资的安全性。

Aug, 2023

本文研究了如何处理在应用深度学习技术识别危机管理时，数据高度不平衡的情况，探讨了多种技术并提出了一套综合方法，旨在提高少数类别分类的性能和模型可靠性。

Apr, 2020

本篇论文研究了利用无人机进行应急响应和灾害管理的自动化航空场景分类，提出了一个用于紧急响应的航空图像数据库（AIDER），并进行了现有方法的比较分析。通过该分析，开发出了一个轻量级的卷积神经网络（CNN）架构，能够在嵌入式平台上高效运行，在需要的时候能够在灾难性事件中提供即时帮助。

Jun, 2019

近年来，无人机在自主载荷运输方面取得了巨大的进步，本文描述了一种微型无人机的开发，提出了一种导航方法，通过深度学习的计算机视觉方法来识别和准确对齐载荷传送位置处的目标，使得平均水平精度较传统的基于 GPS 的方法提高了 500%。

Oct, 2023

利用装备相机传感器的无人机进行灾害监测，并结合深度学习技术可以高准确性地识别灾害，544 幅图像实验结果表明，该技术有望成为高效的灾害预测方法。

Jul, 2018

研究论文探讨了人工智能技术在无人机飞行轨迹生成中的应用。研究主要关注准确预测无人机路径和高效避免碰撞所面临的挑战，通过系统地应用多样化的激活函数于单隐藏层前馈神经网络，提高了路径预测准确性。同时，提出了一种新的激活函数 “AdaptoSwelliGauss”，将 Swish 和 Elliott 激活函数与高斯分量相融合，用于无人机轨迹复杂性的捕捉。此外，提出了综合的碰撞检测、避免和分组策略，通过改变无人机轨迹和起飞时间来避免碰撞，克服了两种策略各自的不足。

May, 2024

使用基于无人机的系统，特别是通过识别人类尖叫声和其他紧急信号来检测个体。该研究在灾后情景下具有重要意义，包括地震、飓风、军事冲突、野火等事件。

Jun, 2024

本研究旨在开发一种使用四旋翼无人机进行监视和救援的功能样机，该样机具备视频监控能力、地图坐标定位功能、可投放药箱或食品包的降落伞、碰撞预警系统，并与安卓应用程序集成以辅助搜救行动。研究利用应用型研究方法开发功能样机，并使用定量和描述性统计方法，通过描述样本或总体中变量之间的关系来总结数据。针对该样机进行了一项评估，使用调查工具测试了其可接受性，并使用现有变量在菲律宾卡卢坎市和奎松市选择了 30 位受访者进行回答和总结。结果表明在人口统计资料中，指定地区内搜救人员数量分布均匀，主要为男性、单身，年龄在 31 岁及以上。在问题和关注方面，最常见的搜救类型是地面搜救，操作错误是最多导致伤害的原因。该样机被认为是有用的，大家都同意，无人机技术将提高搜救行动的效果。利用安卓和无人机技术的创新方式是菲律宾搜救行动改进的新举措。需要用更高容量的锂聚合物电池替换，无人机操作员还应接受培训并获得菲律宾民航局的许可。

Aug, 2023

通过使用人工神经网络和监督学习的数据集，本论文提出了一种在无人机拍摄的航拍图像中检测感兴趣对象（包括汽车、人类和火灾）的方法，并结合经典图像处理技术和预训练的神经网络实现了数据集的辅助标注和数据扩增。最后，评估了不同神经网络的性能。

Oct, 2023

该研究使用 UAV 和固定监控摄像头构建了一个自动目标检测系统，结合了图像分割、增强和卷积神经网络等技术，可以在 8 秒内检测到目标，并使用合成数据生成和数据增强技术提高检测精度，这一解决方案有望帮助一线应对突发事件和搜救操作。

Apr, 2019