一种轻量化的深空未知目标检测方法技术

本发明专利技术公开的一种轻量化的深空未知目标检测方法，属于航天检测技术领域，本发明专利技术综合利用MoblieNet网络轻量化的优点和YOLO网络识别准确率高的优点，在深空探测计算资源有限条件下提高精度和效率；在特征融合网络前使用注意力模块，提高多尺度特征融合网络对深空目标特征的提取能力。根据深空目标的轨道信息设置位置和运动规律，设置虚拟相机的位置和运动规律，并获得相应视角下的目标图像，构建更贴近真实情况的深空目标数据集；通过对曝光度、饱和度和噪声的增强对数据集进行扩充，加强模型对深空未知目标检测的准确率、泛化性和鲁棒性。采用轻量化的主干网络，对硬件要求相对比较低。本发明专利技术具有模型轻量化，检测实时性与准确率高、抗干扰能力强的优点。抗干扰能力强的优点。抗干扰能力强的优点。

【技术实现步骤摘要】
一种轻量化的深空未知目标检测方法


[0001]本专利技术属于航天检测
，具体涉及一种轻量化的深空未知目标检测方法。

技术介绍

[0002]深空探测是人类探索宇宙起源与演化、开发利用深空资源、拓展生存空间的必然途径。相比一般航天任务，面临环境更加复杂且不确定、距离更加遥远且测控时延更大等问题。深远空间未知目标检测是指对月球及月球以外空间的未知目标检测，为后续的航天任务提供信息。所述深远空间未知目标包括非合作航天器和天体。在深空复杂环境的场景下，传统的天地大回路方式无法满足深空未知目标检测任务需求。传统的目标检测方法速度慢、鲁棒性差，而人工智能的兴起使得在计算机视觉领域，尤其是目标检测领域有着很好的效果，深空未知目标检测也随之得到改善。
[0003]近年来，人工智能技术研究逐渐深入，为实现深空未知目标检测提供了良好支撑。但是现有的人工智能算法训练时间长、模型大、算力负担重。对于深空未知目标检测任务中，由于星载计算机的算力有限，模型大、算力需求高的算法难以运行。因此有必要提出一种实时性与准确率高、抗干扰能力强的轻量化的深空未知目标检测方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轻量化的深空未知目标检测方法，其特征在于：包括如下步骤，步骤一：通过对深空目标进行三维建模，然后根据深空目标的轨道信息设置位置和运动规律，同时设置虚拟相机的位置和运动规律，并获得相应视角下的目标图像，构建深空目标数据集，深空未知目标包括非合作航天器和小天体；步骤二：对深空目标数据集进行强化数据增强以加强后续YOLOv5
‑
MPC模型的泛化能力和鲁棒性，并将数据增强后的深空目标图像进行标注，将标注后的图像划分为训练集，验证集和测试集；步骤三：构建轻量化的深空未知目标检测模型，所述轻量化目标检测网络模型包括特征提取网络、多尺度特征融合网络以及检测头网络，将MoblieNet网络中的模块与YOLO网络中的CSP模块相融合的特征提取网络CSPM，综合利用MoblieNet网络轻量化的优点和YOLO网络识别准确率高的优点，在深空探测计算资源有限条件下提高精度和效率；多尺度特征融合网络在特征融合网络前使用注意力模块，对提取的目标特征进行多尺度融合预测，得到多个尺度的融合特征，提高多尺度特征融合网络对深空目标特征的提取能力，增强深空未知目标检测模型的表征能力，提升对深空未知目标的检测精度和效率，进而提高后续YOLOv5
‑
MPC模型的抗干扰能力；步骤四：在通用数据集上对所述轻量化目标检测网络模型进行预训练，获得通用数据集预训练模型；使用迁移学习方法，将预训练模型设置迭代次数和学习率，在所述深空目标数据集上进行训练，训练后得到最优轻量化目标检测网络YOLOv5
‑
MPC模型；步骤五：将待识别的深空未知目标数据图像输入到预先训练好的最优YOLOv5
‑
MPC模型中，利用所述最优YOLOv5
‑
MPC模型实现实时性与准确率高、抗干扰能力强的轻量化高效深空未知目标检测。2.如权利要求1所述的一种轻量化的深空未知目标检测方法，其特征在于：还包括步骤六，根据步骤五所述最优YOLOv5
‑
MPC模型得到的检测结果，在星载计算机这样算力有限的设备上部署，有利于提升深空未知目标检测感知能力，并能够提高目标检测的实时性、准确率和鲁棒性。3....

【专利技术属性】
技术研发人员：乔栋，刘月鹏，周星宇，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：