在过去二三十年,无人机在世界范围内受到了普遍重视,在军民领域都获得了大量应用。随着无人机应用领域的逐渐扩展,人们对无人机的要求也从单一的平稳飞行到了要具有智能化特点。而随着机器学习技术的不断应用和推广,利用机器学习和计算机视觉相关方法解决无人机在飞行控制、目标识别和检测、避障等方面的问题也越来越易于完成。另一方面,对无人机的控制和操作也离不开地面控制系统。因此,地面控制也有待智能化。本课题基于搭建更为便于开发和部署深度学习的智能化无人机视觉系统的目的,针对性地讨论嵌入式系统中的深度学习的实现,并提出利用协同学的思想对深度神经网络进行研究和优化,实现基于协同学的深度神经网络,并将理论应用于无人机的智能飞行过程,利用这一平台对无人机所获取的视觉图像进行处理,完成无人机自主着陆应用。本文首先对协同学和协同神经网络进行较为深入的探讨和研究,介绍协同学的基本思想、数学原理和关键概念,详细阐述了协同神经网络。不同于其他的神经动力学系统,协同神经网络消除了伪状态,因而学习快、模式回想的时间短。然后阐述无人机智能化的主要问题和无人机利用深度学习的困难,提出将协同神经网络的思想应用到无人机的智能化中。针对无人机的嵌入式计算机系统不同于通用计算机的情况,讨论无人机可使用的用于深度学习的软硬件情况,利用实时操作系统搭建无人机机上视觉应用平台。针对无人机的地面控制系统,分析无人机智能化对地面控制系统的要求,提出将深度学习和协同学思想加入地面控制系统中的思路,搭建了深度协同卷积网络,使协同神经网络的性能提高到了主流卷积网络的水平,并以此对地面控制系统进行智能化。最后,在完成智能化无人机视觉系统的设计的基础上,本文基于深度学习的目标检测算法,提出了一套无人机自主着陆的检测方法和着陆过程,在自采集的数据集上进行了训练和测试,并在Gazebo仿真环境中对无人机自主着陆进行了仿真模拟,验证了该算法和无人机系统的实用性和有效性。