机场跑道上的小尺度FOD的检测装置及检测方法制造方法及图纸

本发明专利技术公开了一种机场跑道上的小尺度FOD的检测装置及检测方法，小尺度FOD检测装置由壳体、底座、可见光图像采集设备、图像预处理模块和小尺度FOD特征检测模块组成；图像预处理模块对接收到的跑道Y轴路面图像信息进行RGB颜色分量处理，然后依据亮度V、色调H和饱和度S的分量计算，得到HSV图像信息；小尺度FOD特征检测模块采用ERFA方法对HSV图像信息进行处理，获取掩膜信息，以此确定是否存在有外来物；最后将FOD位置信息输出给监控中心。本发明专利技术小尺度FOD检测装置安装在机场跑道两侧，用于实现近距离、小于10个像素的小尺度FOD检测。小于10个像素的小尺度FOD检测。小于10个像素的小尺度FOD检测。

【技术实现步骤摘要】
机场跑道上的小尺度FOD的检测装置及检测方法


[0001]本专利技术涉及对机场跑道上的外来物(FOD)进行检测，更特别地说，是指一种基于进化随机森林方法对机场跑道上的小尺度FOD进行近距离检测的方法和装置。

技术介绍

[0002]机场跑道上的外来物(Foreign Object Debris，FOD)是指出现在机场跑道上并可能对飞机造成损害的物体，如螺钉、螺母、橡胶块、碎石子等。飞机起降过程中其发动机产生强大的气动吸力，可能吸入跑道上某些FOD。FOD被吸入后会造成发动机故障。除此之外，跑道上的FOD还可能扎坏飞机起落架的轮胎。目前，绝大部分机场都依靠专职人员来检查和清理FOD，但是人工检查存在效率低、小尺度FOD漏检更为严重等问题。因此，国内外很多航空公司都积极研究开发自动FOD检测设备降低和规避FOD风险。
[0003]目前，自动FOD检测设备主要有雷达和计算机视觉两类。第一类毫米波雷达方法由分布安装于跑道边灯处的若干毫米波雷达或者安装于车载平台上的若干个毫米波雷达实时扫描跑道道面，一旦发现FOD则即刻报警。第二类计算机视觉方法则由本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机场跑道上的小尺度FOD的检测装置，其特征在于：小尺度FOD检测装置由壳体、底座、可见光图像采集设备、图像预处理模块和小尺度FOD特征检测模块组成；可见光图像采集设备放置在壳体内；壳体上设有通孔，所述通孔处放置有可见光图像采集设备的摄像头；摄像头利用该通孔对机场跑道上的异物进行拍照；壳体的下方是底座，通过底座使本发明小尺度FOD检测装置安装在机场跑道的两侧；图像预处理模块和小尺度FOD特征检测模块为存储在电子芯片硬件上的软件程序，电子芯片是放置于壳体内的；小尺度FOD检测装置，首先通过可见光图像采集设备依据拍照时间PTT对机场跑道Y轴方向的路面进行拍照，得到跑道Y轴路面图像信息，记为TXF；然后将所述跑道Y轴路面图像信息TXF输出给图像预处理模块；所述的拍照时间PTT为每间隔1分钟拍一次；图像预处理模块对接收到的跑道Y轴路面图像信息TXF进行各个像素点提取，记为像素信息FOD_PI；然后对所述像素信息FOD_PI进行RGB颜色分量提取，得到像素点的RGB颜色分量值；最后依据像素点RGB颜色分量值进行亮度V、色调H和饱和度S的分量计算，得到HSV图像信息FOD_HSV；小尺度FOD特征检测模块采用了进化随机森林方法对HSV图像信息FOD_HSV进行处理，获取掩膜信息，以此确定是否存在有外来物；最后将FOD位置信息输出给监控中心。2.根据权利要求1所述的机场跑道上的小尺度FOD的检测装置，其特征在于：机场跑道上的小尺度FOD的检测装置是近距离安装在机场跑道的两侧，同时与两侧安装的照明灯的出射光光束方向保持同一方向。3.根据权利要求1所述的机场跑道上的小尺度FOD的检测装置，其特征在于：小尺度FOD检测装置作为“星型网络拓扑的智能机场异物检测系统的补充设备使用。4.根据权利要求1所述的机场跑道上的小尺度FOD的检测装置，其特征在于：小尺度FOD检测装置用于单独对小于10个像素的不同材质的小尺度FOD实行检测。5.一种基于进化随机森林方法ERFA进行机场跑道小尺度FOD的检测方法，其特征在于具体有下列步骤：步骤A，获取外来物的图像信息；采集到的FOD图像数据集采用集合形式表示为MFOD＝{PF1,PF2,
…
,PF
w
,
…
,PF
W
}；PF1为第1张FOD图像；PF2为第2张FOD图像；PF
w
为第w张FOD图像；PF
W
为最后一张FOD图像；下角标w为FOD图像的标识号，下角标W为FOD图像的总张数；对于任意一张FOD图像是由多个像素点构成，每一个像素点采用亮度V、色调H和饱和度S以及空间信息E作为特征元素；像素点也称为采样点；第1张FOD图像PF1中的任意一个像素点记为所述的特征元素记为第2张FOD图像PF2中的任意一个像素点记为所述的特征元素记为
第w张FOD图像PF
w
中的任意一个像素点记为所述的特征元素记为为了方便说明，下角标σ表示任意图像的像素点标识号；所述像素点σ的位置表示为σ(x,y)；最后一张FOD图像PF
W
中的任意一个像素点记为所述的特征元素记为小尺度FOD是指图像中的像素小于10个像素的情形；步骤B，图像预处理；步骤B1，获取RGB颜色分量；采用RGB颜色模型对任意一张FOD图像PF
w
中的任意一个像素点进行红色red、绿色green和蓝色blue的分量提取，记为像素点的RGB颜色分量同理，的RGB颜色分量记为同理，的RGB颜色分量记为同理，的RGB颜色分量记为步骤B2，获取HSV颜色分量；应用像素点的RGB颜色分量计算HSV模型中亮度V、色调H和饱和度S的分量；C
max
＝max(red,green,blue)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)C
min
＝min(red, green,blue)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)V＝C
max
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)(3)C
max
表示选取出像素点中RGB颜色分量的最大值，简称最大选取值；C
min
表示选取出像素点中RGB颜色分量的最小值，简称最小选取值；步骤B3，获取像素点的空间信息E；
在亮度层上，通过对当前像素与其局部邻域内像素关系的描述可以得到空间信息E；XS
i
表示3
×
3窗口内的第i个像素点的亮度值；XS
平均
表示3
×
3窗口内的9个像素点的亮度平均值；步骤C，采用ERFA方法进行决策树的构建；决策树为二叉树树型，设置了树深，树组数；每一棵决策树上有根节点、叶节点和叶子节点；在到达最大树深时的所有节点将作为叶子节点；步骤C1，基于进化随机森林构建一个空的决策树；将FOD图像数据集MFOD作为决策树的根节点，即SS
总
＝{MFOD}；步骤C2，将像素点集合作为决策树的子节点或叶子节点上的数据集；将FOD图像数据集MFOD＝{PF1,PF2,
…
,PF
w
,
…
,PF
W
}作为进化随机森林方法ERFA的输入层信息；然后提取出每张图像中的各个像素点；对于第1张FOD图像PF1中的像素点集合，记为记为为图像PF1中的第1个像素点；为图像PF1中的第2个像素点；为图像PF1中的任意一个像素点；下角标η为图像PF1中像素点的标识号；对于第2张FOD图像PF2中的像素点集合，记为记为为图像PF2中的第1个像素点；为图像PF2中的第2个像素点；为图像PF2中的任意一个像素点；下角标为图像PF2中像素点的标识号；对于第w张FOD图像PF
w
中的像素点集合，记为记为为图像PF
w
中的第1个像素点；为图像PF
...

【专利技术属性】
技术研发人员：郑红，荆颖，林畅，郑文韬，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：