混合现实军事装备维修系统综述

混合现实维修具有低成本、低风险、高效率的独特优势,是军事装备保障领域的研究热点。介绍了混合现实技术的概念,说明了混合现实维修系统的组成结构和关键技术;阐述了混合现实在军事装备教学训练、战场抢修与智能维修中的应用,重点分析了存在的问题,并给出了解决思路;最后指出了系统智能化、标准化、模块化的发展趋势,并为其在我军的运用提出了意见。

基于MR的机电装备智能检测维修

研究Faster R-CNN目标检测网络的基本结构与训练方法;建立了机电装备状态数据集,训练了目标检测网络,一步实现了指针式仪表区域的提取、数字式仪表读数的识别以及开关、插头状态的识别;在不同视角和光照强度下对目标检测网络进行了测试,结果表明模型在不同的环境中均能保持90%以上的准确度。并以此为依据推理故障的原因,最后根据推理结果,使用基于Unity 3D软件与Hololens 2硬件开发的机电装备智能维修辅助系统来调取混合现实(MR)全息诱导维修信息,以指导保障人员进行操作。实验验证了系统的可用性,实验结果显示使用MR可以快速、高效地完成维修任务。并依据操作耗时和问卷调查进行测试与评价,对系统的优越性进行了定性分析。

基于云模型的飞行员认知负荷分类方法研究

目的识别飞行员认知负荷状态,减少人为差错造成的事故。方法设计模拟飞行任务,诱导22名受试者产生高、低2种认知负荷状态。依据眼动存在的随机性和模糊性,建立基于凝视时间和瞳孔直径的二维云模型,根据该眼动指标的数学特征,构建了40条定性判定规则。根据规则生成器原理,构建了云模型定性推理生成器,对110组实验数据进行判断。结果受试者在高、低2种不同认知负荷下,凝视时间和瞳孔直径差异显著(P<0.05),采用定性推理生成器对认知负荷进行判定,平均准确率达到78.95%。在同样训练数据情况下,识别准确率高于K最近邻(KNN)算法和支持向量机(SVM)算法。结论定性推理生成器可有效识别认知负荷不同水平,且随受试者人数增加,识别率可进一步提高。