基于知识的抛撒地雷目标检测算法

抛撒地雷是现代战争中非常重要的武器之一,高光谱图像因其可以提供大量丰富的空间及光谱信息,适用于抛撒地雷的检测任务。利用抛撒地雷的分布、尺寸和密度知识对传统的高光谱异常检测算法作出了改进,设计了一个基于知识的抛撒地雷目标检测算法。该算法与传统的RXD算法相比,在保证较高的召回率的情况下,准确率提高了约66%,同时虚警率也低于传统算法70%以上。

高光谱抛撒地雷图像仿真与异常检测应用

抛撒地雷是一种布设于地表的杀伤性武器,如何精准地检测出抛撒地雷具有重要的军事意义。考虑到高光谱图像具有丰富的空谱信息,因此基于高光谱图像进行地雷检测能够很大程度上提高检测的准确性。然而高光谱数据往往存在采集困难、成本高以及抛撒地雷真实数据少等特点,严重制约了基于高光谱抛撒地雷检测的研究。因此,提出了一种高光谱抛撒地雷的图像仿真方法并将其应用到异常检测任务中:首先,通过仿真软件选择的抛撒地雷型号确定仿真数据的尺寸、布设范围以及插雷的个数,并人工设定光谱融合系数;其次,分别从空间维度和光谱维度出发对仿真数据进行数据增强,并将其融合到不同背景的高光谱图像中,获得抛撒地雷仿真数据集;最后,采用RXD异常检测算法分别对仿真数据集和真实数据图像进行异常点检测,验证仿真的准确性和真实性。实验表明,仿真数据集异常检测的准确率约为82.67%,真实数据图像的准确率约为90.28%。

抛撒地雷的夜视智能探测方法研究

本文提出一种基于机器学习的抛撒地雷的夜视智能探测方法。首先,根据YOLO系列机器学习算法,设计并优化了抛撒地雷的智能检测网络模型;其次,根据几何光学成像的相似性原理,研究抛撒地雷的测距模型。最后,搭建抛撒地雷的夜视智能探测系统进行实验测试分析。实验结果显示,优化后抛撒地雷智能探测网络模型的准确度达到98.97%、召回率达到99.22%、均值平均精度为99.2%;在给定的实验条件下,利用优化后的抛撒地雷测距模型,对抛撒地雷的距离测算误差为±10 cm,表明利用机器学习可以用于对抛撒地雷进行智能探测。

基于机器学习的抛撒地雷夜视智能识别研究

利用基于机器学习的抛撒地雷智能探测方法及探测系统,在夜间复杂场景下对不同类型的地雷目标进行智能探测实验研究。在论述抛撒地雷夜视智能识别方法的基础上,以72式防坦克金属地雷、69式防坦克塑壳地雷、58式防步兵橡胶地雷作为抛撒地雷目标,设计不同的实验场景进行被动式夜视智能探测实验,并研究多雷区的探测方法及可行性。结果显示,在给定的实验条件下,抛撒地雷的裸露面积由无明显遮挡、轻微遮挡至部分遮挡的检测精确率分别为98.97%、98.5%、87.5%,召回率分别为99.22%、71.3%、56.8%;在夜间对布设的多雷区进行探测,可有效排除孤立雷并实现对多雷区的标定。表明研究的探雷方法能实现对不同场景下抛撒地雷的智能识别,可用于复杂雷区夜视智能探测技术的进一步研究。

直升机抛撒地雷的稳定性和动态响应研究

建立了直升机外挂抛撒地雷装置的飞行动力学模型,外挂装置的存在改变了直升机的气动特性,对直升机的稳定性也造成较大的影响。直升机受扰动后的响应主要取决于被扰动对象的稳定性和扰动向量,而直升机抛撒地雷产生的反作用力和力矩可作为主要的扰动力向量。在小扰动假设的基础上,建立了直升机抛撒物体的扰动运动方程,通过实例计算分别得出在对称-单发、非对称-单发,非对称-连续和不同飞行速度时,直升机速度、角速度和姿态角的动态响应,并对其进行对比分析。

抛撒布雷散布规律研究

车载式抛撒布雷系统是一种布设反坦克雷场的工程装备。本文通过射弹散布理论研究、散布试验的数理统计、计算机模拟三种方法，研究抛撒布雷的散布规律，进而研究抛撒布雷系统的几个重要技术参数。

消除地雷的威胁

消除地雷的威胁早已成为全世界关注的焦点，本文列出了十多个国家为扫除常规地雷而发展的器材，其中尤以美军正在为扫除路旁智能雷和以色列为扫除可抛撤地雷所进行的工作更为人注意。