摘要：信标光斑位置检测技术广泛应用于基于视觉的光通信粗对准领域中,而检测算法的优劣直接影响捕获定位的精度。针对基于阈值分割搜寻信标光斑的算法易受背景强光影响的缺陷,建立了基于深度学习算法的无人机光通信实时捕获定位系统。首先,改进了YOLOv4(You only look once,v4)网络,采用能增强浅层特征信息提取的特征图通道拼接方式设计了四个简化模块和一个上采样模块,极大提升了网络的速度。然后,用改进后的网络、原始YOLOv4网络及其简化网络在PASCAL VOC数据集上进行训练。最后,采集和训练信标光斑数据集,在无人机上运行改进YOLOv4网络并输出摄像头视频帧的信标光斑位置。基于比例积分微分算法调节云台进行位置闭环控制,从而实现光通信的实时捕获和定位对准。实验结果表明,改进YOLOv4网络在信标光斑测试集上的精确率为99.6%,召回率为99.8%,在NVIDIA Jetson Xavier NX嵌入式计算机平台上的帧率为42 frame/s,满足无人机光通信实时捕获定位的要求。