[发明专利]基于卷积神经网络的航空器尾涡识别方法及系统

说明书

本发明涉及一种基于卷积神经网络的航空器尾涡识别方法及系统，该方法包括步骤：接收待识别的航空器尾涡探测图像，利用预先训练好的卷积神经网络模型对所述航空器尾涡探测图像进行识别，输出得到识别到尾涡的概率值和未识别到尾涡的概率值；若识别到尾涡的概率值大于未识别到尾涡的概率值，则识别出所述待识别的航空器尾涡探测图像中存在尾涡，反之则识别出所述待识别的航空器尾涡探测图像中不存在尾涡。本发明识别准确度高，能够实时地探测到现行气象条件下尾涡是否存在，为空中交通管制人员发出合理地规避尾涡指令提供了必要的辅助信息，并且能够缩减现行尾涡间隔，提高空域和机场的容量，进而提高管制效率。

技术领域

本发明涉及航空技术领域，特别涉及一种基于卷积神经网络的航空器尾涡识别方法及系统。

背景技术

随着我国航空业大体量、高速度的发展，空域和地面保障资源不足，各航空枢纽吞吐量出现饱和，给中国民航安全运行带来了前所未有的挑战。在飞机的起飞和降落阶段，前机产生的尾涡会对其后方飞机的飞行安全带来潜在威胁，而在飞机的起飞滑跑、离地爬升和进近着陆阶段是整个飞行中最危险的三个阶段，正确地识别飞机尾涡并合理规避尾涡成为了保障航空业飞行安全的重要条件。目前国内在对于航空器尾涡的识别方面，均按照FAA于2012年制定的基于尾流的航空器等级划分新方法，将航空器分为重型、中型、轻型三类，在雷达管制中按照时间间隔对尾涡进行识别和规避，但是该间隔过于保守，已经严重制约了航空业的快速发展，并且在不同的气象条件下，尾涡的演化规律并不完全一致，因此该方法浪费了大量的空域容量，且效率低下。

发明内容

本发明的目的在于改善现有技术中所存在的上述不足，提供一种基于卷积神经网络的航空器尾涡识别方法及系统，可以提高尾涡识别的准确度，增大空域容量。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一方面，本发明实施例中提供了一种基于卷积神经网络的航空器尾涡识别方法，包括步骤：

接收待识别的航空器尾涡探测图像，利用预先训练好的卷积神经网络模型对所述航空器尾涡探测图像进行识别，输出得到识别到尾涡的概率值和未识别到尾涡的概率值；

比较输出结果，若识别到尾涡的概率值大于未识别到尾涡的概率值，则识别出所述待识别的航空器尾涡探测图像中存在尾涡，反之则识别出所述待识别的航空器尾涡探测图像中不存在尾涡。

另一方面，本发明实施例提供了另一种基于卷积神经网络的航空器尾涡识别方法，包括以下步骤：

采集用于模型训练的航空器尾涡探测图像；

将采集的航空器尾涡探测图像进行分类，分为识别到尾涡和未识别到尾涡两类，且对分类后的航空器尾涡探测图像进行相应标签，作为训练集；

随机初始化卷积神经网络模型中的学习参数，并训练得到卷积神经网络模型：将训练集中的部分样本图像输入已初始化的卷积神经网络模型中，输出得到当前模型参数下，样本图像中识别到尾涡的概率值和未识别到尾涡的概率值，并对输出结果进行损失计算，根据损失计算结果更新卷积神经网络模型中的学习参数；循环执行本步骤，直至卷积神经网络收敛。

另一方面，本实施例中还提供了一种基于卷积神经网络的航空器尾涡识别系统，包括：

集成有预先训练好的卷积神经网络模型的电子设备，用于对输入的待识别的航空器尾涡探测图像进行识别，输出得到识别到尾涡的概率值和未识别到尾涡的概率值。

上述系统中，还包括图像采集设备，用于采集所述待识别的航空器尾涡探测图像，或者采集用于训练所述卷积神经网络模型的样本图像。所述图像采集设备为多普勒激光雷达。

再一方面，本发明实施例同时提供了一种包括计算机可读指令的计算机可读存储介质，所述计算机可读指令在被执行时使处理器执行本发明实施例中所述方法中的操作。