基于卷积神经网络的导弹型号识别研究

针对传统的导弹型号识别主要依赖人工经验和专家知识对导弹外观特征进行分析和比对的方法存在准确率和实时性难以兼顾的问题,提出了一种基于ResNet18卷积神经网络的导弹型号识别模型用于解决这一问题。首先,根据作战任务背景分析,提取导弹的主要特征指标,构建几种常见的导弹模型;其次,以各个角度的导弹照片作为输入,输出图片的均值和方差;再次,通过对特征值进行量化,生成训练样本数据;最后,利用基于ResNet18卷积神经网络模型对导弹型号进行识别训练。实验结果表明,该模型在保证实时性和满足实战要求的前提下,具有较高的准确率,对实验中选择的6种导弹型号的识别准确率达到了99.80%。