基于无人机和CNN图像识别的机场跑道异物搜寻与定位
为了快速检测机场跑道上的外来异物,提出了一种基于卷积神经网络的光学成像传感器异物检测算法.包括2个模块,基于改进的区域生成网络和生成基于空间变换网络的卷积神经网络分类检测器.在改进的区域生成网络中,通过严格的筛选,生成数量较少的高质量候选目标图像.此外,通过引入空间变换网络层,卷积神经网络分类检测器的效率达到了97.67％.实验表明,与速度更快的R-卷积神经网络和单次激发多盒检测器相比,检测效率达98.41％,领先其他检测方法,证明该系统算法在机场跑道面异物碎片检测中取得了更好的效果.关键词:无人机;图像识别;卷积神经网络;跑道异物;FOD识别定位
机场跑道异物、卷积神经网络、空间变换网络、神经网络分类、光学成像传感器、检测器、分类检测、区域生成、其他检测方法、生成网络
43
V211.7(基础理论及试验)
四川省科技计划项目;通用航空在山地火灾抢险中的关键技术研究项目;国家重点研发计划;空中交通管理信息标准技术研究与应用验证项目;中央高校基本科研业务费专项资金项目
2022-11-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
10-17
