[發明專利]基于FOD影像對飛機目標的識別方法、設備、存儲介質

在審

• 申請號: 202011581683.6
• 申請日: 2020-12-28
• 公開（公告）號: CN112597926A
• 公開（公告）日: 2021-04-02
• 發明（設計）人: 劉宗是
• 申請（專利權）人: 廣州辰創科技發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06N3/08
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 李悅

本發明公開了一種基于FOD影像對飛機目標的識別方法、設備、存儲介質，方法包括以下步驟：步驟S1、采集機場的跑道圖，所述跑道圖包括了指示燈、跑道標識線及飛機輪胎痕跡，建立多個正樣本圖像集合；步驟S2、采集FOD圖像，建立一負樣本圖像集合；步驟S3、以所述負樣本圖像集合與正樣本圖像集合、預先收集的實時跑道圖為輸入，將已標記FOD目標的跑道圖像作為輸出，對卷積神經網絡進行訓練；步驟S4、采集跑道的實時跑道圖，對每張圖像進行疑似目標探測，根據卷積神經網絡標出圖像中FOD目標。本方法通過構建正樣本圖像集合與負樣本圖像集合，通過卷積神經網絡訓練以自動識別出跑道內圖像中FOD目標。

技術領域

本發明涉及圖像識別技術領域，尤其涉及基于FOD影像對飛機目標的識別方法、電子設備、存儲介質。

背景技術

隨著現在民用機場航班客運量的大幅增加，外來物體(國際通稱：Foreign ObjectDebris，FOD)掉落機場跑道的事件大量增加，外來物體的典型例子有：混凝土瀝青碎塊、金屬器件、橡膠碎片、塑料制品、動植物。

當前主流探測FOD的方法是圖像探測。圖像探測的優勢在于對和跑道道面外貌差異較大的物體有很好的探測能力，不論物體的形狀和雷達波反射率。同時圖像探測面臨的技術難點主要來自跑道外觀細節和FOD的多樣性。首先，跑道本身有多種結構。跑道上有跑道標識線、跑道指示燈等結構；其次，FOD的種類繁多，常見的就涉及扳手、鐵鏈、金屬板、輪胎橡膠等十余個種類，因遺落姿態不同帶來的外觀差異更無法統計，甚至機場出現的一些FOD是不可預知的。

發明內容

為了克服現有技術的不足，本發明的目的在于提供一種基于FOD影像對飛機目標的識別方法，構建正樣本圖像集合與負樣本圖像集合，通過卷積神經網絡訓練以自動識別出跑道內圖像中FOD目標。

本發明的目的之二在于提供一種電子設備，執行基于FOD影像對飛機目標的識別方法，構建正樣本圖像集合與負樣本圖像集合，通過卷積神經網絡訓練以自動識別出跑道內圖像中FOD目標。

本發明的目的之三在于提供一種存儲介質，執行上述基于FOD影像對飛機目標的識別方法，構建正樣本圖像集合與負樣本圖像集合，通過卷積神經網絡訓練以自動識別出跑道內圖像中FOD目標。

本發明的目的之一采用如下技術方案實現：

基于FOD影像對飛機目標的識別方法，包括以下步驟：

步驟S1、采集機場的跑道圖，所述跑道圖包括了指示燈、跑道標識線及飛機輪胎痕跡，建立多個正樣本圖像集合；

步驟S2、采集FOD圖像，建立一負樣本圖像集合；

步驟S3、以所述負樣本圖像集合與正樣本圖像集合、預先收集的實時跑道圖為輸入，將已標記FOD目標的跑道圖像作為輸出，對卷積神經網絡進行訓練；

步驟S4、采集跑道的實時跑道圖，對每張圖像進行疑似目標探測，根據卷積神經網絡標出圖像中FOD目標。

進一步地，所述步驟S3中對所述卷積神經網絡進行訓練包括以下步驟：

步驟S31、對所述實時跑道圖與正樣本圖像集合、負樣本圖像集合預處理；

步驟S32、所述卷積神經網絡包括了圖像處理卷積神經網絡及FOD目標卷積神經網絡，將經預處理的正樣本圖像集合與負樣本圖像集合作為輸入，將黑白二值圖作為輸出，訓練圖像處理卷積神經網絡；將所述黑白二值圖作為輸入，將預先收集的已經圈定了FOD目標的圖像作為輸出，訓練所述FOD目標卷積神經網絡；

步驟S33、將所述正樣本圖像集合與負樣本圖像集合作為輸入，預先收集的已經圈定了FOD目標的圖像作為輸出，對所述圖像處理卷積神經網絡、FOD目標卷積神經網絡進行合并訓練。