[发明专利]机场异物检测方法、装置、计算机设备及存储介质

说明书

本发明公开了一种机场异物检测方法、装置、计算机设备及存储介质，该机场异物检测方法通过获取原始图像，对原始图像进行预处理，得到待识别图像；并将所述待识别图像输入到全差‑金字塔特征网络识别模型中进行识别，获取分类置信图；最后根据所述分类置信图获取异物检测结果，保证了在机场异物检测过程中对微小物体的检测精度和定位精度，也提高了对机场异物的检测效率。

技术领域

本发明涉及图像识别领域，尤其涉及一种机场异物检测方法、装置、计算机设备及存储介质。

背景技术

在机场跑道中经常会出现各种异常物体，被称为FOD(Foreign Object Debris)，FOD泛指可能损伤航空器或系统的某种外来的物质，常称为机场异物。FOD的种类相当多，如飞机和发动机连接件(螺帽、螺钉、垫圈、保险丝等)、机械工具、飞行物品(钉子、私人证件、钢笔、铅笔等)、野生动物、树叶、石头和沙子、道面材料、木块、塑料或聚乙烯材料、纸制品、运行区的冰碴儿等等。实验和案例都表明，机场道面上的外来物可以很容易被吸入发动机，导致发动机失效。碎片也会堆积在机械装置中，影响起落架、襟翼等设备的正常运行。

而由于人工智能的发展，开始尝试用深度学习物体检测模型来实现对机场异物的检测。然而，现有深度学习物体检测模型主要分为两步检测(Two stage detecotr)模型(FastRCNN，FasterRCNN等)和单步检测(Single stage detector)模型(FCN，SSD等)两类。传统的两步检测模型对于物体场景占比率极低(不足千分之一)的情况下，区域选取困难且运算速度慢。不适合有一定实时性要求的场景。而传统的单步检测模型对于微小物体不够敏感，且对于微小物体而言，最终检测位置容易产生偏差。

发明内容

基于此，有必要针对上述技术问题，提供一种可以提高机场异物识别精度的机场异物检测方法、装置、计算机设备及存储介质。

一种机场异物检测方法，包括：

获取原始图像，对原始图像进行预处理，得到待识别图像；

将所述待识别图像输入到全差-金字塔特征网络识别模型中进行识别，获取分类置信图，其中，所述全差-金字塔特征网络识别模型为采用训练样本集训练全差网络和金字塔特征网络得到；

根据所述分类置信图获取异物检测结果，所述异物检测结果包括存在机场异物和不存在机场异物。

一种机场异物检测装置，包括：

待识别图像获取模块，用于获取原始图像，对原始图像进行预处理，得到待识别图像；

分类置信图获取模块，用于将所述待识别图像输入到全差-金字塔特征网络识别模型中进行识别，获取分类置信图，其中，所述全差-金字塔特征网络识别模型为采用训练样本集训练全差网络和金字塔特征网络得到；

检测结果获取模块，用于根据所述分类置信图获取异物检测结果，所述异物检测结果包括存在机场异物和不存在机场异物。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述机场异物检测方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述机场异物检测方法的步骤。

上述机场异物检测方法、装置、计算机设备及存储介质，通过获取原始图像，对原始图像进行预处理，得到待识别图像；将所述待识别图像输入到全差-金字塔特征网络识别模型中进行识别，获取分类置信图；最后根据所述分类置信图获取异物检测结果，保证了在机场异物检测过程中对微小物体的检测精度和定位精度，也提高了对机场异物的检测效率。

附图说明