Key points are not available for this paper at this time.
항공기 이착륙 및 착륙 중 공항 활주로에 외부 물체가 침입하는 것은 항공 운송에 중대한 안전 위협을 초래합니다. 전통적인 수동 점검으로는 소규모 외부 물체 이물질(FOD)을 제때 발견할 수 없으며, 2차 이물체 침입의 잠재적 위험도 존재합니다. 낮은 정확도와 비효율성 문제를 해결하기 위해 딥러닝 기반의 지능형 탐지 방법이 제안됩니다. 첫째, FOD 데이터를 수집하기 위해 이중 조명 카메라 시스템이 활용됩니다. 이 시스템은 적외선 및 가시광 이미지(visible light images)를 포함한 이중 조명 FOD 데이터 세트를 생성합니다. 이후, 다중 주의 메커니즘과 양방향 특징 피라미드가 기본 네트워크인 YOLOv5에 통합됩니다. 이러한 통합은 외부 물체 특징 추출을 우선시하고, 복잡한 배경에서 FOD를 구분하는 네트워크의 능력을 향상시킵니다. 또한, 다중 스케일 물체의 표현을 개선하기 위해 고차원 특징의 융합을 강화합니다. 목표의 신속하고 정확한 위치 지정 및 인식을 보장하기 위해 Complete-IoU(CIoU) 손실 함수를 사용하여 경계 상자의 위치를 최적화합니다. 실험 결과는 제안된 모델이 36.3 프레임/초의 탐지 속도를 달성하여 실시간 탐지 요구 사항을 충족한다는 것을 나타냅니다. 또한 이 모델은 평균 정확도 91.1%를 달성하는데, 이는 기본 네트워크보다 7.4% 높은 수치입니다. 결과적으로, 본 논문은 소규모 FOD 대상의 탐지를 위한 우리 알고리즘의 효과성과 실용성을 검증합니다.
Mo et al. (화요일,)은 이 질문을 연구했습니다.