摘要: 机场道面外来物(foreign object debris, FOD)具有类型多样、形状各异、背景复杂、目标弱小等特点,并且严重影响飞行器安全,故其高精度实时检测具有重要意义。针对以上问题,提出基于超分辨率特征金字塔并带有纹理信息提取模块的FOD实时检测网络(FOD real-time detection network, FOD-RDN)。该网络采用Darknet-53作为主干网提取特征,通过超分辨率特征金字塔对形状各异的小目标进行检测,并设计了纹理信息提取模块降低复杂背景的干扰。同时采用双通道YOLO检测器和基于CIoU的损失函数,进一步提升网络对FOD的检测精度和速度。实验结果表明,本文算法在满足实时性要求的情况下,在FOD数据集上整体检测精度达到了91.8%,相比于主流目标检测网络在FOD目标检测方面具有更好的检测效果。
- 关键词:
- 机场道面外来异物 /
- 小目标检测 /
- 多尺度融合 /
- 纹理信息提取 /
- 超分辨率 /
- 亚像素卷积 /
- 特征提取 /
- 完全交并比
机场跑道外来异物(foreign object debris, FOD)指的是任何不属于机场道面,却因各种原因被遗留在机场运行区域的外来物体[1],典型的有金属器件、机械工具、碎石块、杂物等。FOD会对航空器的安全造成巨大危害,许多航空事故都是由于跑道异物引起的。因此,为了保证航空器的安全起降,有必要对FOD进行及时准确的检测并清理。但是FOD存在不确定度高、目标较小、难以检测的问题,因此FOD的高精度检测具有重要的研究价值。