# 无人机检测 ONNX 模型推理工具

## 项目概述
基于ONNX Runtime的无人机目标检测解决方案，支持：
- GPU加速推理（需CUDA环境）
- 自适应图像预处理流水线（CPU/GPU双模式）
- 误报过滤机制（ORB特征匹配）
- 多格式检测报告生成（CSV/Excel）

## 项目结构
```
Model/
├── src/                    # 源代码目录
│   ├── core/              # 核心功能模块
│   ├── utils/             # 工具函数
│   └── analysis/          # 分析工具
├── configs/               # 配置文件目录
├── data/                  # 数据目录
│   ├── false_positive/   # 误报样本
│   └── models/           # 模型文件
├── tests/                # 测试目录
├── outputs/              # 输出目录
└── docs/                 # 文档目录
```

## 环境要求
- Python 3.8+ 
- 依赖库：
```bash
pip install -r requirements.txt
```

## 快速开始
```python
# 单张图片检测
python src/core/inference.py --input test.jpg --threshold 0.5 \
    --output results --report excel

# 批量检测目录
python src/core/inference.py --input UAV/ --max-bbox-ratio 0.1 \
    --output batch_results --report all
```

## 参数说明
| 参数 | 类型 | 默认值 | 说明 |
|------|------|-------|-----|
| --input | path | 必填 | 输入图像路径/目录 |
| --threshold | float | 0.45 | 检测置信度阈值 |
| --max-bbox-ratio | float | 0.05 | 最大检测框面积比例 |
| --output | path | 自动生成 | 输出目录（自动创建） |
| --report | [csv/excel/all] | excel | 报告格式 |
| --save-empty | flag | False | 保存无检测结果的图像 |

## 结果输出
输出目录包含：
- `目标截图/`：检测到的无人机目标截图
- `检测报告.xlsx`：包含检测时间、置信度、坐标等详细信息
- 带检测框的标注图像

## 模型管理
模型版本通过文件名自动识别（如：UAV-250321.onnx 版本号为250321）

## 常见问题
Q: 如何启用GPU加速？
A: 确保安装onnxruntime-gpu并配置CUDA环境，程序会自动优先使用GPU

Q: 误报特征库如何更新？
A: 将误报样本放入data/false_positive目录，程序启动时会自动加载

## 开发指南
1. 代码规范
   - 遵循PEP 8编码规范
   - 使用类型注解
   - 编写单元测试

2. 测试
```bash
# 运行测试
pytest tests/

# 生成测试覆盖率报告
pytest --cov=src tests/
```

3. 文档
   - 使用Google风格文档字符串
   - 保持README.md更新
   - 重要功能添加使用示例