无人机航空瞬变电磁法未爆弹探测试验研究

瞬变电磁法具有探测深度大、抗干扰能力强、对金属异常体探测敏感的特点,在未爆弹探测领域有着显著应用前景。现有未爆弹探测装置存在施工效率低、人员伤亡风险大以及复杂地形适应能力弱等缺点,无法满足小目标体精细、快速探测的需求。基于此,文中提出采用无人机搭载的瞬变电磁装置进行探测,采用理论分析和野外实验相结合方法进行研究。首先,建立含有未爆弹的正演模型进行仿真计算,研究结果表明:无人机瞬变电磁探测方法能反映出未爆弹异常响应特征;其次,采用非线性优化方法进行反演计算,反演结果能较好反映出未爆弹空间位置信息;最后,以重庆市潼南区某试验区探测为例,开展无人机瞬变电磁未爆弹探测研究。将探测结果与现场实际情况相比较,验证无人机瞬变电磁未爆弹探测结果准确性和有效性。研究工作为未爆弹等小目标体精细探测提供更有效的探测方法和手段。

基于演化计算的迷彩目标隐蔽策略仿真设计

针对典型自然环境下军事装备的隐蔽问题,提出一种新颖的演化计算策略,将其与图像仿真设计手段相结合,根据环境状况,构建一种快速仿真计算进而给出迷彩目标隐蔽策略的新方法。该方法主要包括迷彩目标与场景图像的融合仿真计算,引入视错觉条带覆盖的迷彩目标隐蔽计算,基于粒子群优化算法和概率分布采样的搜索计算,以及基于深度神经网络图像特征的融合度计算。运用深度神经网络图像分割模型,结合迷彩目标的分割识出率,评估新方法的性能。仿真实验结果表明:在林地和荒漠环境中获得的隐蔽仿真图像平均融合度可达0.99以上,平均分割识出率低于0.90;新方法能够为设计给定目标在场景图像中的隐蔽策略提供有效的依据,具有较高的实用价值和可扩展性。

基于深度神经网络的迷彩目标发现仿真学习方法

针对自动化迷彩目标发现学习中有效样本严重不足的问题,借鉴AlphaGo的技术思想,提出了一种基于样本模拟的深度神经网络仿真训练方法。建立了迷彩场景仿真合成模型,通过设计图像空间的复合算法、场景图像深度特征提取策略、目标融合度测量策略,以及图聚类采样算法,批量化地生成了可用于深度神经网络训练和学习的具有代表性的迷彩场景仿真样本;设计了基于深度残差神经网络的迷彩目标发现模型,并引入了多尺度网络训练方法。模拟样本和真实场景图像的实验结果表明,所提方法可有效应用于迷彩目标的自动化识别与评估。