[发明专利]机场跑道上的小尺度FOD的检测装置及检测方法

说明书

本发明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。

技术领域

本发明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。

背景技术

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。

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分布安装在跑道的安装架上的若干个可见光/红外高分辨率摄像机或安装于车载平台上的若干个摄像机实时监视跑道道面，一旦发现FOD则即刻报警。2011年8月第41卷第8期《激光与红外》中公开的“机场跑道异物检测系统设计与研究”一文，文中详细介绍星型网络拓扑的智能机场异物检测系统，如图1所示。

机器视觉方法检测FOD存在三个难点。第一，FOD形状、材质、尺寸的不确定性要求检测方法具有更强的泛化能力；第二，机场跑道道面存在轮胎印痕、标志线、拼接缝、洞坑等各种干扰，增加了FOD检测难度；第三，由于飞机起降频繁，留给FOD检测和清理的时间有限，不仅要求检测准确(包括分类和定位)，而且要求检测效率高。

近几年的相关研究文献统计表明，FOD检测主要采用深度学习方法。该方法特点是通过嵌套的层次结构和非线性激活函数学习FOD的深层语义特征，能够更加抽象并且准确地表达目标。考虑到大部分FOD是从飞机机体掉落的螺钉、螺母以及钢珠等微小物体，并且相机一般只能采用远距离大视角安装，计算机视觉方法常面临小尺度FOD检测问题。虽然深度学习检测方法得到广泛地应用，但是，在小尺度FOD检测方面依然存在问题。其原因是FOD检测的性能依赖于卷积神经网络提取的深层语义特征，而提取深层语义特征的过程可能会导致小目标信息丢失。

对于跑道路面图像，不仅需要检测它是否有FOD，还需要对FOD定位。这个问题可以表述为图像分割任务，即给定一张跑道路面图像，得到FOD的掩膜图像。如果图像中有FOD，掩膜图像也能定位FOD。由于FOD的材质、尺度、形状都会影响雷达回波的强弱，可能导致雷达探测失效。计算机视觉方法中深度神经网络基本解决了一般FOD检测问题，但是其特征表达的结构特点使得小尺度(指成像结果小于10个像素的情形)FOD检测仍存在困难。

发明内容

为了解决机场跑道的复杂背景下不同材质、小尺度(小于10个像素)FOD检测出现漏检的问题，本发明设计了一种基于进化随机森林方法ERFA对机场跑道上的小尺度FOD进行检测的检测装置。