多尺度特征与注意力检测头的轻量化FOD检测

针对现阶段机场跑道异物碎片(FOD)目标检测算法存在的缺陷,进行了降低参数量和提高精度的改进。以你只看一次(YOLO)v5s目标检测算法为基础,提出多尺度特征与注意力检测头的轻量化FOD检测算法。首先,提出一种全新的轻量化网络结构。该结构使用深度可分离卷积和逐点卷积,并设计大卷积核架构,使模型感受野提升,从而解决大量特征图冗余问题。接着,融合多尺度特征图。通过移除大目标检测层、增加小目标检测层,在提升小目标检测能力的同时降低网络参数量。最后,提出一种动态头部框架来统一目标检测头和注意力,通过连贯地结合多个自注意力机制,进一步提升了网络检测精度。试验结果表明:所提出的使用鬼影卷积大卷积核架构下的多尺度特征注意力检测头的YOLOv5s(GRD-YOLOv5s)网络的参数量减少为3.39 MB,仅为原网络的48%;平均检测精度从98.40%提升至99.45%;检测速度为53.42帧/秒。该网络的提出为实现对小目标的准确检测提供了新思路。

多尺度特征融合的机场跑道异物检测与识别算法

机场跑道异物对飞机起飞降落存在着致命威胁,而人工巡检异物的方式成本高,效率低,因此将深度学习检测算法用于机场跑道异物检测是必要的。针对异物尺寸大小不一、特征提取难度大而导致的漏检与定位不准问题,提出一种基于多尺度特征融合的机场跑道异物检测与识别算法。以多尺度特征提取与融合为切入点,提出多分支空间注意力,加强对异物的特征提取,同时能够关注不同尺寸大小的异物。采用BiFPN网络进行特征融合,能够高效融合不同尺度的特征信息。实验结果表明,改进后算法平均精度达到94.7%,相比于YOLOv5提高5.9个百分点,也超越了YOLOv6、YOLOv7以及Faster R-CNN,从而验证了该算法在机场跑道异物检测领域有较好的应用价值。

融合自注意力特征嵌入的夜间机场跑道异物入侵检测

飞机在夜间起降时机场跑道上侵入的异物严重威胁航空运输安全,而暗光背景下依靠人工步行巡查小尺度异物更易留存致命的安全隐患。将智能视觉检测算法引入机场跑道异物入侵领域,针对现有模型倾向关注局部特征而造成检测精度低等问题,设计了一种融合自注意力特征嵌入的CSPTNet夜间机场跑道异物检测算法。为改善卷积神经网络关注局部特征而忽视全局特征的缺陷,将标准瓶颈模块替换为Transformer瓶颈模块,特征图子块扁平化分割后嵌入位置特征编码,有利于图像从像素表示转化为向量表示,在高维向量空间中捕捉像素间关系。采用多头自注意力机制从注意力分支子空间中获取不同分支聚合的特征信息,从而实现全局特征与局部特征信息的融合。针对数据集目标尺度较小导致轮廓边缘模糊以及定位困难等问题,引入CIoU损失函数以实现预测框尺寸和中心位置的修正优化,提高异物目标轮廓的定位精确性。实验结果表明,本文模型的检测速度达到38 frame/s,满足实时检测的要求;平均精度最高为88.1%,应用融合自注意力特征嵌入的Transformer模块相比于标准瓶颈模块提升5.7%,与当前先进的YOLOv5模型相比提升5.2%,从而验证了CSPTNet算法对夜间机场跑道异物检测的有效性和工程实用性。

机场跑道异物监测雷达关键技术

机场道面的异物(FOD)监测是保障民航飞机安全的重要措施之一,毫米波调频连续波(FM-CW)雷达可全天候、全天时自动监测机场跑道的异物,是近几年出现的新兴技术。介绍了FOD监测系统的国内外现状和美国联邦航空局(FAA)最新发布的FOD监测设备标准,分析了FOD监测雷达组成和原理,在此基础上,讨论了FOD监测雷达天线、微波射频组件、信号处理和数据处理中的关键技术。

机场跑道FOD检测器的研究与实现

安全是民航永恒的主题,在众多影响飞机飞行安全的因素中,机场跑道异物(FOD)占有重要的比重.在FOD防护方面,国内还处于人工检测的阶段,一方面造成巨大的人力资源浪费,另一方面也增加了人为差错的概率,严重影响飞机的飞行安全.因而可借助目前的科技手段来检测FOD,从而降低人为差错造成的检查疏漏,为飞机的飞行安全保驾护航.

基于小波变换与形态学的机场跑道异物检测算法

机场跑道异物(foreign object debris,FOD)检测的精准性和效率直接决定了民航运输业的安全。为了提高机场跑道异物的定位精度,研究中提出基于小波变换与数学形态学相结合的机场跑道异物边缘检测质心定位算法。此算法先对采集到的机场跑道图像进行小波分解,高频部分利用小波变换的尺度边缘检测,并进行小波阈值去噪;低频部分利用数学形态学算子进行形态学边缘检测,然后对得到的高频和低频图像进行融合,并对异物边缘轮廓进行增强,最后利用质心定位法求解异物像素坐标。实验结果表明:小波变换与数学形态学相结合检测出的图像边缘具有较好的互补性,结合了小波变换在边缘精确定位和对噪声的抑制方面较好的性能,数学形态学在检测弱边缘和保留图像细节的优点,通过此算法提取的跑道异物边缘信息细腻且定位准确,能有效识别与机场跑道背景相似的异物并准确定位。

基于能量累积多特征融合的机场跑道异物检测算法研究

针对机场跑道异物易造成航空事故的问题,为保障机场飞行安全,避免重大损失,实现跑道异物的准确快速识别就尤为重要。因此,提出了一种基于能量累积多特征融合的异物检测方法,首先是获取干净的机场跑道和含有异物的机场跑道的图像的纹理、形状等底层特征,并针对每一种特征进行定性和定量分析;然后针对灰度、边缘、亮度等单源特征信息对识别结果存在缺陷的问题,通过多源特征信息融合技术,识别出图像中的异物并标记告警;最后采用多帧能量累积方法消除随机噪声,将一组具有重叠区域、分辨率不高、视场范围不大的多帧图像组合拼接,并再次采用基于多特征融合的机场FOD检测算法对拼接图像进行二次检测。通过实际测试表明,该检测方法提升了异物检测的准确性。

基于特征谱特征的机场跑道异物分层检测算法

强杂波背景下的弱静止目标检测是机场跑道异物(Foreign Object Debris,FOD)监测雷达面临的关键问题。该文提出一种基于特征谱特征和最小最大概率机(Minimax Probability Machine,MPM)的FOD分层检测算法,首先利用杂波图恒虚警(Constant False Alarm Rate,CFAR)将雷达录取回波中的背景杂波和FOD回波(包含虚警)区分开,然后提取特征谱特征将在回波域中差异较小的FOD回波和虚警回波转换到区分性更大的特征域,最后利用MPM分类器实现对FOD和虚警的分类,从而达到降低虚警次数的目的。基于实测数据的试验结果表明,所提方法可以获得较好的检测性能。

基于毫米波雷达的机场跑道异物检测方法研究

机场跑道异物(foreign object debris,FOD)时刻威胁着飞行器的安全,机场引进异物检测系统,希望能快速、准确地检测出跑道上的各种异物,保障飞行器的飞行安全。文章针对异物检测系统在机场的特定工作环境,对基于线性调频连续波体制的毫米波雷达的异物检测系统展开研究。首先对机场跑道背景下的杂波信号进行建模分析,然后利用维纳滤波原理对杂波进行抑制,提高跑道异物的信杂比,最后基于实测数据对回波信号进行仿真给出了检测结果。结果表明该系统性能良好,在各类环境中均可达到相关部门对机场跑道异物检测系统的设计要求。

基于偏振成像的机场跑道异物检测系统设计

本论文提出了将偏振成像技术应用于机场跑道低对比度异物检测领域,在能见度低的天气中检测识别机场跑道异物,从而提高检测系统环境适应性与探测能力。通过实验结果表明:偏振成像能提高目标对比度,减少杂散光干扰,有效提高机场跑道异物检测系统环境适应性与探测能力。

区域生长在跑道异物检测中的应用

机场跑道异物检测是保障机场及飞行器安全的重要内容,针对边灯式FOD雷达在杂波区域常规检测算法异物检测能力差的问题,文章提出了一种基于图像的区域生长杂波区域目标提取算法。文章首先分析了区域生长方法的原理和生长流程;其次,通过仿真验证了区域生长方法对特征区域提取的有效性;最后,将区域生长方法应用到跑道雷达异物检测中。实测试验结果表明,该方法能够有效抑制雷达杂波区域的虚假目标,降低机场跑道异物(FOD)检测系统虚警,提高雷达目标发现能力。