机场异物检测方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种机场异物检测方法、装置、计算机设备及存储介质，该机场异物检测方法通过获取原始图像，对原始图像进行预处理，得到待识别图像；并将所述待识别图像输入到全差‑金字塔特征网络识别模型中进行识别，获取分类置信图；最后根据所述分类置信图获取异物检测结果，保证了在机场异物检测过程中对微小物体的检测精度和定位精度，也提高了对机场异物的检测效率。

【技术实现步骤摘要】
机场异物检测方法、装置、计算机设备及存储介质
本专利技术涉及图像识别领域，尤其涉及一种机场异物检测方法、装置、计算机设备及存储介质。
技术介绍
在机场跑道中经常会出现各种异常物体，被称为FOD(ForeignObjectDebris)，FOD泛指可能损伤航空器或系统的某种外来的物质，常称为机场异物。FOD的种类相当多，如飞机和发动机连接件(螺帽、螺钉、垫圈、保险丝等)、机械工具、飞行物品(钉子、私人证件、钢笔、铅笔等)、野生动物、树叶、石头和沙子、道面材料、木块、塑料或聚乙烯材料、纸制品、运行区的冰碴儿等等。实验和案例都表明，机场道面上的外来物可以很容易被吸入发动机，导致发动机失效。碎片也会堆积在机械装置中，影响起落架、襟翼等设备的正常运行。而由于人工智能的发展，开始尝试用深度学习物体检测模型来实现对机场异物的检测。然而，现有深度学习物体检测模型主要分为两步检测(Twostagedetecotr)模型(FastRCNN，FasterRCNN等)和单步检测(Singlestagedetector)模型(FCN，SSD等)两类。传统的两步检测模型对于物体场景占比率极低(不足千分之一)的情本文档来自技高网...

【技术保护点】
1.一种机场异物检测方法，其特征在于，包括：获取原始图像，对原始图像进行预处理，得到待识别图像；将所述待识别图像输入到全差‑金字塔特征网络识别模型中进行识别，获取分类置信图，其中，所述全差‑金字塔特征网络识别模型为采用训练样本集训练全差网络和金字塔特征网络得到；根据所述分类置信图获取异物检测结果，所述异物检测结果包括存在机场异物和不存在机场异物。

【技术特征摘要】
1.一种机场异物检测方法，其特征在于，包括：获取原始图像，对原始图像进行预处理，得到待识别图像；将所述待识别图像输入到全差-金字塔特征网络识别模型中进行识别，获取分类置信图，其中，所述全差-金字塔特征网络识别模型为采用训练样本集训练全差网络和金字塔特征网络得到；根据所述分类置信图获取异物检测结果，所述异物检测结果包括存在机场异物和不存在机场异物。2.如权利要求1所述的机场异物检测方法，其特征在于，所述对原始图像进行预处理，得到待识别图像，具体包括：采用多尺度视网膜算法对所述原始图像进行全局增强处理；采用拉普拉斯算子对全局增强处理后的所述原始图像进行锐化处理，得到待识别图像。3.如权利要求1所述的机场异物检测方法，其特征在于，所述采用训练样本集训练全差网络和金字塔特征网络，具体包括：获取训练样本集，对所述训练样本集中的训练图像进行分类标注；采用所述训练样本集中所述分类标注的训练图像训练全差网络，得到目标输出向量；采用所述目标输出向量训练金字塔特征网络，得到所述全差-金字塔特征网络识别模型。4.如权利要求3所述的机场异物检测方法，其特征在于，所述训练全差网络，具体包括：设置所述全差网络的初始卷积层，并采用所述全差网络中的最大池化层进行下采样；设置三层全差网络模块，每一所述全差网络模块包括一个全差卷积层和一个全差激活层，所述全差激活层中的激活函数采用线性激活函数；在所述全差网络模块之间设置传输层，每一所述传输层包括规范化层、传输激活层和平均池化层。5.如权利要求3所述的机场异物检测方法，其特征在于，在训练全差-金字塔特征网络识别模型的过程中，损失函数采用FocalLoss函数实现：FL(pt)＝-(1-pt)γlog(pt)；其中，pt是所述全差-金字塔特征网络识别模型对所...

【专利技术属性】
技术研发人员：叶明，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东,44