[發明專利]飛機尾渦識別方法、裝置、可讀介質及電子設備

有效

• 申請號: 202010320841.6
• 申請日: 2020-04-22
• 公開（公告）號: CN111551959B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 潘衛軍;段英捷
• 申請（專利權）人: 中國民用航空飛行學院
• 主分類號: G01S17/933
• 分類號: G01S17/933;G01S17/95;G01S17/89;G06N3/04;G06N3/08
• 代理公司: 北京市領專知識產權代理有限公司 11590
• 代理人: 張玲;王瑩瑩

本發明涉及一種飛機尾渦識別方法、裝置、可讀介質及電子設備。該飛機尾渦識別方法，基于深度學習技術，采用預設深度學習模型對濾除了背景大氣風場影響的第一待處理風場分布圖進行處理，識別所述第一待處理風場分布圖中是否包含尾渦，及在含有尾渦時輸出表征至少一只尾渦的位置坐標。本發明提供的技術方案，基于深度學習技術，使機器自動學習到尾渦特征，通過大量圖像集訓練，能夠自動識別尾渦，且具有較高的尾流識別率和較低虛警率；且用于被識別的圖像為濾除了背景大氣風場影響的第一待處理風場分布圖，考慮了氣象環境變化因素，提高了尾渦的匹配度和識別率。

技術領域

本發明涉及航空技術領域，具體地，涉及一種飛機尾渦識別方法、裝置、可讀介質及電子設備。

背景技術

目前國內對于民航客機尾流的探測與識別方法主要是以多普勒多普勒激光雷達探測原理為基礎，結合飛機尾渦的空氣動力學機理，建立飛機尾渦徑向速度標準模型，采用波形匹配理論的方法，即基于滑動窗口思想的尾流識別算法。通過多普勒激光雷達在機場的實測數據驗證分析，該方法有較低尾流識別率和較高虛警率，在實際應用中有幾乎不具備工程價值。并且由于在建模中未考慮氣象環境變化因素，因此降低了其匹配度和識別率。

發明內容

本發明的目的是提供一種飛機尾渦識別方法、裝置、可讀介質及電子設備，以解決相關技術中對尾渦識別時出現的較低尾流識別率、較高虛警率及未考慮氣象環境變化因素的問題。

為了實現上述目的，本發明實施例提供一種飛機尾渦識別方法，所述方法包括：

根據第一目標風場數據和背景風場數據，獲得第一待處理風場分布圖；

將所述第一待處理風場分布圖輸入預設深度學習模型中，得到所述預設深度學習模型輸出的第一識別結果，其中，所述第一識別結果包括含有尾渦或不含尾渦，在所述第一識別結果為含有尾渦時，回歸輸出表征至少一只尾渦的位置坐標。

可選地，所述根據第一目標風場數據和背景風場數據，獲得第一待處理風場分布圖的步驟包括：

采用第一多普勒激光雷達實時掃描第一空域大氣風場，獲取第一目標風場數據；

采用第二多普勒激光雷達實時掃描第二空域大氣風場，獲取背景風場數據；

根據所述背景風場數據，濾除疊加在所述第一目標風場數據中的背景大氣風場，得到所述第一待處理風場分布圖。

可選地，所述預設深度學習模型是通過如下方式訓練得到的：

針對風場分布圖像集，根據用戶輸入的標注指令對所述風場分布圖像集內含有尾渦的風場分布圖像進行標注，所述標注指令為標注至少一只尾渦的位置坐標；

根據所述風場分布圖像集，對YOLO v3網絡進行訓練，得到所述預設深度學習模型。

可選地，所述方法還包括：

根據第二目標風場數據和背景風場數據，獲得第二待處理風場分布圖；

將所述第二待處理風場分布圖輸入預設深度學習模型中，得到所述預設深度學習模型輸出的第二識別結果，其中，所述第二識別結果包括含有尾渦或不含尾渦，在所述第二識別結果為含有尾渦時，回歸輸出表征至少一只尾渦的位置坐標；

在所述第一識別結果和第二識別結果不同的情況下，將所述第一待處理風場分布圖和第二待處理風場分布圖標記為待識別風場分布圖，以提醒用戶對所述第一待處理風場分布圖和第二待處理風場分布圖進行重新識別。

本發明實施例還提供一種飛機尾渦識別裝置，所述飛機尾渦識別裝置包括：

第一待處理風場分布圖獲取模塊，用于根據第一目標風場數據和背景風場數據，獲得第一待處理風場分布圖；