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。