本发明专利技术提供了一种流星检测方法、装置及电子设备，首先获取雷达的回波数据；然后根据回波数据，确定待检测的可识别图像；进而将可识别图像输入至预先训练的流星检测模型，得到回波数据对应的流星信号。该方式中，通过训练好的基于神经网络的流星检测模型对回波数据转换而成的可识别图像进行目标检测，得到回波数据对应的流星信号，提高了雷达检测数据中流星信号检测的准确度，同时提高了检测效率。同时提高了检测效率。同时提高了检测效率。
【技术实现步骤摘要】
流星检测方法、装置及电子设备
[0001]本专利技术涉及信号检测
，尤其是涉及一种流星检测方法、装置及电子设备。
技术介绍
[0002]相关技术中，在对雷达监测的回波数据的处理过程中，通常以人工的方式查找回波数据中与流星信号相关的数据，然而该方式人工成本较高，且效率较低。此外，也会采用传统算法确定回波数据中的流星数据，该方式准确度较低，容易产生漏检的情况。
技术实现思路
[0003]有鉴于此，本专利技术的目的在于提供一种流星检测方法、装置及电子设备，以提高对雷达检测的回波数据中流星信号检测的准确度，同时提高了检测效率。
[0004]第一方面，本专利技术实施例提供了一种流星检测方法，包括：获取雷达的回波数据；根据回波数据，确定待检测的可识别图像；将可识别图像输入至预先训练的流星检测模型，得到回波数据对应的流星信号。
[0005]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，上述流星检测模型通过以下方式训练：获取训练样本；训练样本包括多个训练图像和对应的标注信息；标注信息包括训练图像中的流星信号；训练图像基于雷达的回波数据确定；基于YOLO算法，建立神经网络的网络结构，设置网络结构对应的训练参数；将训练图像输入至网络结构中，得到检测结果；根据预设的损失函数及训练图像对应的标注信息，确定检测结果的损失值；根据损失值对网络进行训练，直至网络结构中的参数收敛，得到流星检测模型。
[0006]结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，根据回波数据，确定待检测的可识别图像的步骤，包括：对回波数据进行预处理；将预处理过的回波数据按照预设的文件格式保存为数据文件；基于流星检测模型的分辨率对数据文件进行分割，得到多个子数据文件；基于子数据文件，得到子数据文件对应的待检测的可识别图像。
[0007]结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，对回波数据进行预处理的步骤，包括：对回波数据进行脉冲压缩处理；对经过脉冲压缩处理的回波数据进行波束合成处理。
[0008]结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，基于子数据文件，得到子数据文件对应的待检测的可识别图像的步骤，包括：基于子数据文件，生成子数据文件对应的初始图像；基于流星检测模型的图像输入参数，对初始图像进行归一化及剪裁处理，得到子数据文件对应的待检测的可识别图像。
[0009]第二方面，本专利技术实施例还提供一种流星检测装置，包括：数据获取模块，用于获取雷达的回波数据；可识别图像确定模块，用于根据回波数据，确定待检测的可识别图像；检测模块，用于将可识别图像输入至预先训练的流星检测模型，得到回波数据对应的流星信号。
[0010]结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，上述装置还包括模型训练模块；模型训练模块还用于：获取训练样本；训练样本包括多个训练图像和对应的标注信息；标注信息包括训练图像中的流星信号；训练图像基于雷达的回波数据确定；基于YOLO算法，建立神经网络的网络结构，设置网络结构对应的训练参数；将训练图像输入至网络结构中，得到检测结果；根据预设的损失函数及训练图像对应的标注信息，确定检测结果的损失值；根据损失值对网络进行训练，直至网络结构中的参数收敛，得到流星检测模型。
[0011]结合第二方面，本专利技术实施例提供了第二方面的第二种可能的实施方式，其中，上述可识别图像确定模块还用于：对回波数据进行预处理；将预处理过的回波数据按照预设的文件格式保存为数据文件；基于流星检测模型的分辨率对数据文件进行分割，得到多个子数据文件；基于子数据文件，得到子数据文件对应的待检测的可识别图像。
[0012]第三方面，本专利技术实施例还提供一种电子设备，包括处理器和存储器，存储器存储有能够被处理器执行的机器可执行指令，处理器执行机器可执行指令以实现上述方法。
[0013]第四方面，本专利技术实施例还提供一种机器可读存储介质，机器可读存储介质存储有机器可执行指令，机器可执行指令在被处理器调用和执行时，机器可执行指令促使处理器实现上述方法。
[0014]本专利技术实施例带来了以下有益效果：
[0015]本专利技术实施例提供了一种流星检测方法、装置及电子设备，首先获取雷达的回波数据；然后根据回波数据，确定待检测的可识别图像；进而将可识别图像输入至预先训练的流星检测模型，得到回波数据对应的流星信号。该方式中，通过训练好的基于神经网络的流星检测模型对回波数据转换而成的可识别图像进行目标检测，得到回波数据对应的流星信号，提高了雷达检测数据中流星信号检测的准确度，同时提高了检测效率。
[0016]本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
[0017]为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0018]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本专利技术实施例提供的一种流星检测方法的流程图；
[0020]图2为本专利技术实施例提供的一种基于YOLOV5网络的目标检测算法的流程图；
[0021]图3为本专利技术实施例提供的一种YOLOV5网络的结构示意图；
[0022]图4为本专利技术实施例提供的一种流星数据的示意图；
[0023]图5为本专利技术实施例提供的一种采用流星检测模型检测到的流星目标的结果示意图；
[0024]图6为本专利技术实施例提供的一种流星检测装置的结构示意图；
[0025]图7为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0026]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0027]太阳系中的体积足够大，速度足够快的粒子进入地球与大气分子碰撞就会发生流星。不同类型流星在地球大气中运行时的表现形式不太一样,因而观测和研究的方法和手段也有所不同。较小的流星体进入大气后由于与大气分子的碰撞很快就被烧蚀掉,最后会在大气中留下一段等离子体柱,也即流星尾迹,可以利用无线电雷达或激光雷达来观测流星尾迹的散射现象来研究这种流星；较大的流星如果在晚上进入地球大气,就会发出肉眼可见的亮光,可以利用光学方本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种流星检测方法，其特征在于，包括：获取雷达的回波数据；根据所述回波数据，确定待检测的可识别图像；将所述可识别图像输入至预先训练的流星检测模型，得到所述回波数据对应的流星信号。2.根据权利要求1所述的方法，其特征在于，所述流星检测模型通过以下方式训练：获取训练样本；所述训练样本包括多个训练图像和对应的标注信息；所述标注信息包括所述训练图像中的流星信号；所述训练图像基于雷达的回波数据确定；基于YOLO算法，建立神经网络的网络结构，设置所述网络结构对应的训练参数；将所述训练图像输入至所述网络结构中，得到检测结果；根据预设的损失函数及所述训练图像对应的标注信息，确定所述检测结果的损失值；根据所述损失值对所述网络进行训练，直至所述网络结构中的参数收敛，得到流星检测模型。3.根据权利要求1所述的方法，其特征在于，根据所述回波数据，确定待检测的可识别图像的步骤，包括：对所述回波数据进行预处理；将预处理过的回波数据按照预设的文件格式保存为数据文件；基于所述流星检测模型的分辨率对所述数据文件进行分割，得到多个子数据文件；基于所述子数据文件，得到所述子数据文件对应的待检测的可识别图像。4.根据权利要求3所述的方法，其特征在于，对所述回波数据进行预处理的步骤，包括：对所述回波数据进行脉冲压缩处理；对经过脉冲压缩处理的回波数据进行波束合成处理。5.根据权利要求3所述的方法，其特征在于，基于所述子数据文件，得到所述子数据文件对应的待检测的可识别图像的步骤，包括：基于所述子数据文件，生成所述子数据文件对应的初始图像；基于所述流星检测模型的图像输入参数，对所述初始图像进行归一化及剪裁处理，得到所述子数据文件对应的待检测的可识别图像。6.一种流星检测装置，其特征在于，...
【专利技术属性】
技术研发人员：张宁，曾令旗，
申请(专利权)人：中国科学院地质与地球物理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。