一种机场跑道异物检测方法及系统技术方案

本发明专利技术公开了一种机场跑道异物检测方法及系统，属于图像处理领域，方法包括：获取机场跑道图像；通过特征提取器从机场跑道图像中提取出视觉特征；通过预训练的异物检测模型对从机场跑道图像中提取出的视觉特征进行处理，获得机场跑道图像中每个位置的异常概率值；通过异常概率值来识别机场跑道图像中的异物，获得异物检测结果。本发明专利技术能够高效且精准地对机场跑道上的异物进行检测识别。跑道上的异物进行检测识别。跑道上的异物进行检测识别。

【技术实现步骤摘要】
一种机场跑道异物检测方法及系统


[0001]本专利技术涉及图像处理
，特别涉及一种机场跑道异物检测方法及系统。

技术介绍

[0002]目前我国民航正处于高速发展时期。根据规划，到2030年我国全面建成安全高效的现代化民用航空体系，实现从民航大国到民航强国的转变。
[0003]持续安全是民航发展的的永久主题，飞行区内威胁航空器安全运行的问题也越来越受到关注。跑道异物是威胁民航安全运营的主要隐患，跑道异物自动监测系统是航空安全的保障。据报道，跑道异物引发的各类不安全事件每万次起降高达4次，每年全球因跑道异物造成的损失至少在30
‑
40亿美元。
[0004]跑道异物，即可能损伤航空器的某种外来的物质，如金属零件、防水塑料布、碎石块、纸屑、树叶等，以上统称外来物。航空器相对于外来物来说相当脆弱，一小块塑料布被吸入发动机可能会引起空停，一个小螺钉或金属片甚至尖锐石子可能会扎伤轮胎从而导致爆胎，产生的轮胎碎片又会打伤航空器。
[0005]目前各大机场的异物检测方法通常分为以下几种：1.人工巡视：在航班间隙，包括航前（每天开始的第一趟航班之前）、航后（每天最后一次航班之后）、航中（航班间隙）以及飞机迫降后，由相关人员驾驶车辆进入机场跑道，以人工方式对跑道上的异物进行巡视及检查。然而该方法存在人员劳动强度大、检测效率低、容易漏检等缺陷，同时随着航班密度的增加，人工检查的可能性越来越小。
[0006]2.边灯式光电复合探测系统：其通常为雷达与视频相结合的方式，设备安装在道肩。但此种方式存在设备数量繁多、现场基建较大、耗时长、成本高且维护难度高等问题。
[0007]3.常规的基于深度学习的方式：其通过对机场跑道中的异物进行分类识别训练从而获得分类模型，基于分类模型对机场跑道中的异物进行检测。然而，机场跑道异物检测需要识别的目标种类繁多，大到车辆，小到螺丝钉及各类碎屑和零件，因此利用堆砌大量样本对各类异物进行模型训练并识别的方式会导致模型训练陷入异物种类的无限增加、样本模型的无限更新迭代中，使得实际应用中无法精准识别各类异物，显然此类方式无法满足实际需求。

技术实现思路

[0008]针对现有技术中机场跑道异物检测方法存在人力消耗、设备成本投入高、异物识别精度不高的问题，本专利技术的目的在于提供一种机场跑道异物检测方法及系统，以便于至少部分地解决上述问题。
[0009]为实现上述目的，本专利技术的技术方案为：第一方面，本专利技术提供一种机场跑道异物检测方法，包括以下步骤：获取机场跑道图像；通过特征提取器从所述机场跑道图像中提取出视觉特征；
通过预训练的异物检测模型对从所述机场跑道图像中提取出的视觉特征进行处理，获得所述机场跑道图像中每个位置的异常概率值；通过所述异常概率值来识别所述机场跑道图像中的异物，获得异物检测结果。
[0010]优选地，所述预训练的异物检测模型通过以下步骤得到：通过特征提取器对不含异物的机场跑道样本图像进行视觉特征提取；使用从所述机场跑道样本图像中提取出的视觉特征对二维归一化流实现的FastFlow算法进行训练，以使所述二维归一化流实现的FastFlow算法学会将输入的所述视觉特征转换为可处理的分布，并在推理阶段获得所述机场跑道样本图像中每个位置的异常概率值，从而获得所述异物检测模型。
[0011]优选地，获取所述机跑道图像的步骤包括：先将机场跑道划分为多个预置位；再通过图像采集设备以预定的扫描时间依次轮巡多个所述预置位，从而获得关于每个所述预置位的机场跑道图像。
[0012]优选地，所述图像采集设备为长焦激光云台。
[0013]优选地，通过标定技术对所述图像采集设备及所述机场跑道进行标定，以便于在检测出异物后确定其在所述机场跑道上的位置。
[0014]优选地，所述通过所述异常概率值来识别所述机场跑道图像中的异物的步骤包括：对于所述机场跑道图像中的每个位置，判断其异常概率值是否高于敏感度阈值，是则判断为异物。
[0015]优选地，当检测到所述机场跑道图像中含有航空器时，以预设的降幅调整所述敏感度阈值，从而降低误报率；其中，通过目标检测算法来检测所述机场跑道图像中是否含有航空器。
[0016]优选地，在检测到所述机场跑道图像中含有航空器之后的预设时段内且所述机场跑道图像中不含有航空器的情况下，以预设的增幅调整所述敏感度阈值，从而降低漏报率。
[0017]优选地，在获得异物检测结果后还包括以下步骤：通过轨迹跟踪算法对检测出的异物进行跟踪，从而获得异物的运动状态，并基于异物不动原则过滤误报。
[0018]第二方面，本专利技术还提供一种机场跑道异物检测系统，包括图像获取模块，用于接收待检测的机场跑道图像；特征提取模块，用于从机场跑道图像中提取出视觉特征；模型调用模块，用于调用预训练的异物检测模型来对机场跑道图像进行处理，获得机场跑道图像中每个位置的异常概率值；异物识别模块，用于通过异常概率值来识别机场跑道图像中的异物，获得异物检测结果。
[0019]采用上述技术方案，本专利技术地有益效果在于：本专利技术采用二维归一化流实现的FastFlow算法并将其用作概率分布估计器，与ResNet和视觉转换器等任意深度特征提取器一起使用，用于非监督异常检测和定位。在训练阶段，FastFlow学会将输入的视觉特征转换为可处理的分布，并在推理阶段获得异常概率值；在实际运用中，则能够通过FastFlow对输入的机场跑道图像进行异常概率值计算，结合设定的敏感度阈值即可判断和识别其中的异
物。本专利技术识别异物时不受限于异物的种类，在实际的机场跑道异物检测中具有极高的检出率。
附图说明
[0020]图1为本专利技术实施例一中机场跑道异物检测方法的流程图。
[0021]图2为本专利技术实施例二中基于检测航空器调整敏感度阈值的流程图。
[0022]图3为本专利技术实施例三中机场跑道异物检测方法的流程图。
[0023]图4为本专利技术实施例四中机场跑道异物检测系统的结构示意图。
[0024]图5为本专利技术实施例五中电子设备的结构示意图。
具体实施方式
[0025]下面结合附图对本专利技术的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本专利技术，但并不构成对本专利技术的限定。此外，下面所描述的本专利技术各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
[0026]需要说明的是，在本专利技术的描述中，术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示对本专利技术结构的说明，仅是为了便于描述本专利技术的简便，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0027]对于本技术方案中的“第一”和“第二”，仅为对相同或相似结构，或者起相似功能的对应结构的称谓区分，不是对这些结构重要性的排列，也没有排序、或比较大小、或其他含义。
[0028]另外，除非另有明确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机场跑道异物检测方法，其特征在于：包括以下步骤：获取机场跑道图像；通过特征提取器从所述机场跑道图像中提取出视觉特征；通过预训练的异物检测模型对从所述机场跑道图像中提取出的视觉特征进行处理，获得所述机场跑道图像中每个位置的异常概率值；通过所述异常概率值来识别所述机场跑道图像中的异物，获得异物检测结果。2.根据权利要求1所述的方法，其特征在于：所述预训练的异物检测模型通过以下步骤得到：通过特征提取器对不含异物的机场跑道样本图像进行视觉特征提取；使用从所述机场跑道样本图像中提取出的视觉特征对二维归一化流实现的FastFlow算法进行训练，以使所述二维归一化流实现的FastFlow算法学会将输入的所述视觉特征转换为可处理的分布，并在推理阶段获得所述机场跑道样本图像中每个位置的异常概率值，从而获得所述异物检测模型。3.根据权利要求1所述的方法，其特征在于：获取所述机跑道图像的步骤包括：先将机场跑道划分为多个预置位；再通过图像采集设备以预定的扫描时间依次轮巡多个所述预置位，从而获得关于每个所述预置位的机场跑道图像。4.根据权利要求3所述的方法，其特征在于：所述图像采集设备为长焦激光云台。5.根据权利要求3所述的方法，其特征在于：通过标定技术对所述图像采集设备及所述机场跑道进行标定，以便于在检测出异物...

【专利技术属性】
技术研发人员：范柘，
申请(专利权)人：上海安维尔信息科技股份有限公司，
类型：发明
国别省市：