基于卷积神经网络的航母舰桥识别.pdf
《基于卷积神经网络的航母舰桥识别.pdf》由会员分享,可在线阅读,更多相关《基于卷积神经网络的航母舰桥识别.pdf(5页珍藏版)》请在咨信网上搜索。
1、Microcomputer Applications Vol.39,No.8,2023文章编号:10 0 7-7 57 X(2023)08-0177-05开发应用基于卷积神经网络的航母舰桥识别微型电脑应用2 0 2 3年第39 卷第8 期宋舒欣,李高星,刘楚楚,薛丁王,范有臣,钱克昌(战略支援部队航天工程大学,北京10 140 0)摘要:针对反舰导弹攻击航母时雷达关机的问题,提出转变制导方式为可见光制导,并采用YOLOv5神经网络对舰桥自动识别的技术方案。由于航母数据集较少,采用Mosaic数据增强的方法,不仅增加了数据集数量,而且提高了网络的鲁棒性。将特征明显、目标较大的舰桥作为主要识别对象
2、。在对数据集进行建立之后,完成了对其的测试以及训练,从而获得了以下研究结论:在不同情况、不同角度的航母识别中,检测准确率可达到90%以上,对航母准确识别跟踪任务具有重要意义。关键词:航母;舰桥;目标识别;YOLOv5中图分类号:TP183Aircraft Carrier Bridge Recognition Based on Convolutional Neural NetworkSONG Shuxin,LI Gaoxing,LIU Chuchu,XUE Dingwang,FAN Youchen,QIAN Kechang(Space Engineering University of Stra
3、tegic Support Force,Beijing 101400,China)Abstract:The change of guidance method to visible light guidance is proposed for the problem of radar shutdown during anti-ship missile attack on aircraft carriers.A technical solution is adopted for automatic identification of the bridge using YOLOv5neural n
4、etwork.Mosaic data augmentation is used due to the small carrier data set.This not only increases the number of datasets,but also improves the robustness of the network.The bridge with obvious features and larger targets is used as the mainrecognition object.Through the creation,training and testing
5、 of the dataset,the final experimental results are that the detec-tion accuracy can reach more than 90%in the identification of aircraft carriers in different situations and angles,which is signif-icant for the accurate identification and tracking task of aircraft carriers.Key words:aircraft carrier
6、;bridge;target identification;YOLOv50引言航空母舰简称航母,是现今世界上最为复杂的武器之一。航空母舰已经是现代海军不可或缺的利器,也成为了一个国家综合国力的象征。其总体构造分为五个部分:飞行甲板、舰岛、升降机、机库与武器库。作为海上巨舰,航母自身能力十分强大。航母大部分结构都在甲板下被保护。航母的甲板是由8 0 mm的特殊钢材铸造,在航母的一些核心部位,例如其指挥中心和动力系统的钢材能够达到30 0 mm,航母的底部钢材厚度也达到150 200mm。高强度的材料和高厚度的甲板,使得直接使用现有武器很难击毁一艘航母。现有的打击航母武器主要为鱼雷和反舰导弹。其中
7、,反舰导弹射程远、速度快、难拦截的特点使得各国争相发展反舰导弹,如美国的捕鲸叉、法国的飞鱼、德国的鹅、以色列的迦伯列和英国的海鹰等。美国曾经将“美国号”停泊在大西洋进行航母打击实验。分别使用鱼雷、导弹、自杀小艇对作者简介:宋舒欣(2 0 0 1一),女,本科,研究方向为信息对抗技术;李高星(2 0 0 0 一),女,本科,研究方向为信息对抗技术;刘楚楚(2 0 0 1一),女,本科,研究方向为武器发射工程;薛丁王(2 0 0 1一),男,本科,研究方向为信息对抗技术;范有臣(198 7 一),男,博士,讲师,研究方向为光电对抗;钱克昌(198 4一),男,博士,副教授,研究方向为对抗与安全。文
8、献标志码:A其进行攻击,在连续攻击了2 5天后才将其击沉。由于航母需要信号的接收与发送,其指挥塔、飞行控制室、航海室、雷达和天线等需要高耸于甲板上。没有了甲板的保护,就为打击航母提供了有效的攻击点。反舰导弹是打击航母的一种有效手段,面对反舰导弹的不断发展,航母的雷达预警系统也在进步,现已经能做到在导弹最终识别跟踪阶段,及时关闭无线电设备,保持静默状态,使得导弹无法按照原定精度对航母进行有效打击。于是本文设想在最后航母保持静默状态阶段,将导弹识别模式由基于电磁波的识别转换为基于可见光的识别,进而不受航母静默的影响,继续跟踪,最终达到预定效果,击中航母舰岛,对航母造成有效损伤。不仅具有重要的军事意
9、义,同时还存在着极高的军用价值,在战争过程中,当敌方航母处于静默状态时,可通过对导弹的辅助来实现对其的精准识别以及跟踪,从而能够使打击大效率以及精准度得到显著提升。本论文采用YOLOv5对航母舰桥进行检测,YOLOv5在实时目标检测上效果非常优秀。目标检测包括目标定位.177Microcomputer Applications Vol.39,No.8,2023和目标分类,YOLOv5模型在目标定位上可以理解为目标在图像中的确切位置,目标分类确定了图像中的目标。导弹使用摄像机把拍摄到的画面实时的传回服务器,利用YOLOv5算法对舰岛进行检测,当发现目标后,把航母舰岛位置信息传递给导弹自身识别跟踪
10、系统,实现对航母舰岛的持续跟踪,最终达到打击目的,毁伤航母。同时,利用神经网络模型 1-2 可以预测航母的运动轨迹、运动速度,提高了目标打击精度,降低了人力和物力的浪费,节约了成本。1YOLOv5模型1.1网络结构对于YOLOv5来说,Backbone、输人端、预测层以及Neck等区域共同构成了其网络结构。YOLOv5能够对4个A00078.JP9开发应用网络模型进行提供,即YOLOv5x、YO LO v 5s、YO LO v 51以及YOLOv5m,若以特征图大小以及网络深度为依据来对其模型量级进行对比分析时,则最小模型为YOLOv5s,该网络具有最小宽度的特征图。其他3种网络模型均是以该网
11、络为基础,然后不断进行加宽以及加深。1.2输入端1.2.1Mosaic 数据增强使用Mosaic数据增强方法极大的丰富了检测数据集,同时增加了网络的鲁棒性。把四张图像通过计算合成一张图像作为输入,减小了计算量,对GPU的要求降低。借助随机排布、随机缩放以及随机裁剪等方式来完成拼接,对于检测物体来说,能够使其小目标以及背景变得更加丰富。图1对增强效果图进行了展示。A000B2JP9P微型电脑应用2 0 2 3年第39 卷第8 期A00092.jPgR.RO图1Mosaic数据增强效果图1.2.2自适应锚框计算当采用YOLO算法来对不同数量集进行处理时,对于初始设定长宽来说,均存在着相应的锚框。在
12、进行网络训练时,初始锚框发挥着重要作用,可借助它来实现对预测框的输出,同时与真实框Ground truth展开对比分析,对两者的差值进行计算,然后完成对其的反向更新,再对网络参数进行迭代。YOLOv5能够组织代码中完成对该功能的嵌入,在对不同训练集的训练过程中,可完成对最佳锚框值的自适应计算。1.2.3自适应图片缩放把图像送入网络之前,需要对图像进行尺度变换,YOLOv5利用自适应图片缩放,使图像的缩放填充变少,相应的计算量降低,使检测速度提高。1.3Backbone 结构Backbone 使用了 Focus 模块和 CSPNet(cross stage par-tialnetwork)模块。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 卷积 神经网络 航母 识别
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。