基于导电橡胶的胸环方位靶自动报靶技术研究

精度射击作为军事训练中必不可少的一部分,需要对命中目标的弹着点位置进行精确检测。文中提出一种基于导电橡胶的胸环方位靶自动报靶技术方案,靶板采用9层贴装布局结构,分为环数导电层和方位导电层,子弹穿过靶板的瞬间,由报靶采集器检测击中信号,经信号处理电路后计算弹着点的环数和方位时区信息,并通过无线网络将弹点数据发送至射手报靶显示终端并进行可视化命中显示和语音报靶。在物理样机上进行的实弹测试结果表明,提出的胸环方位靶自动报靶技术方案是可行的,报靶准确率高,具有很好的应用前景。

基于目标检测的胸环靶弹孔环值判定方法

为解决基于图像处理的智能报靶系统中存在的对弹孔环值判定实时性低、易受外界因素影响等问题,结合深度学习目标检测算法,把改进后的YOLOv5算法应用于自动报靶研究中,采用DeepSort追踪算法实现对弹孔的实时跟踪,通过利用环值数字的检测结果完成靶面环线标记,同时借助图像掩膜方法提取靶面有效区域,利用弹孔检测结果计算弹孔与靶面中心的距离,与环线半径进行对比,并通过图像掩膜判定是否为有效弹孔,最终实现对弹孔环值的判定。实验结果表明,mAP达到了97.1%,帧率达到了30 fps。最后通过模拟实际射击环境测试验证了方法的可靠性和可行性,证明该环值判定方法有良好的应用前景。

一种复杂环境下的胸环靶图分割方法

提高基于计算机视觉的自动报靶系统对靶场环境的适应性,提出了一种基于深度学习的胸环靶图分割方法。利用金字塔场景解析网络,创建胸环靶图数据集,设置训练参数,完成胸环靶图分割模型的训练。训练好带有全局上下文像素级特征先验的模型,实现靶场视频图像中胸环靶的准确分割。实验证明,该方法精确实现靶场视频图像中胸环靶的像素级分割,mAcc指标平均达到98.76%,mIoU指标平均达到97.84%,有效提高了自动报靶系统的环境适应性。

一种基于计算机视觉的胸环靶弹孔检测方法

提出了一种基于计算机视觉技术的弹孔检测方法。将传统的图像处理方法与深度学习的方法相结合,通过预处理、ROI检测和弹孔识别3个步骤实现胸环靶图像中弹孔的检测。实验结果表明,算法的精度较高,普适性强,实现了在不同靶场环境中胸环靶图弹孔快速、精准的检测。该算法性能良好,有效推动了基于计算机视觉的自动报靶系统的应用进程。