[发明专利]机场跑道FOD图像检测方法、系统和存储介质

权利要求书

1.一种机场跑道FOD图像检测方法，其特征在于，包括以下步骤：

获取机场跑道图像；

对所述机场跑道进行重叠滑窗裁剪处理，得到裁剪后的多个子图；

将多个所述子图输入训练好的异物检测模型中，得到待识别异物的子图位置；

将子图位置转换为整个图像的全局位置；

根据待识别异物的全局位置将重合度大于阈值的异物区域进行融合，得到融合图像；

将融合后的异物区域进行裁剪与尺寸调整，得到待分类的图像块；

将待分类图像块输入到训练好的异物分类模型中，得到分类结果;

所述异物检测模型采用CSPDarkNet53模块作为特征提取网络，采用SPP模块作为特征处理模块，采用PANet模块以融合图像语义特征和浅层特征，采用CIoU损失作为回归损失函数，采用交叉熵损失函数作为分类损失函数;

所述异物分类模型依次包括第一卷积模块、第二卷积模块、第三卷积模块和第四卷积模块，其中，所述第一卷积模块、第二卷积模块、第三卷积模块的下采样倍率均为2，第四卷积模块的下采样倍率为1，输入尺寸为64*64，输出特征图尺寸为8*8。

2.根据权利要求1所述的机场跑道FOD图像检测方法，其特征在于，其中，所述异物检测模型通过以下方式得到：

构建异物检测数据集，所述数据集中包括多个机场跑道图像，所述图像中的机场跑道上随机设置有若干个异物；

其中，所述机场跑道图像结合以下方式获得：

方式一、拍摄机场跑道上设置有异物的照片；

方式二、在机场跑道上没有异物的照片上随机加入异物；

方式三，对方式一和方式二中的图像进行亮度调整、裁剪、平移、旋转或者增加噪声。

3.根据权利要求1所述的机场跑道FOD图像检测方法，其特征在于，异物分类模型通过以下方式得到：

收集包括金属块图片、螺钉图片、扳手图片、高尔夫图片、轮胎皮图片、水瓶图片、鸟图片、其余杂物图片和干扰背景图片作为训练数据集，其中，所述训练数据集中的图片是从机场跑道图像中裁剪得到，所述干扰背景图片中包含标识线、边灯和裂缝；

将训练数据集中的图片调整为64*64大小的图像；

通过训练数据集对初始化的异物分类模型进行训练，得到训练好的异物分类模型。

4.根据权利要求1所述的机场跑道FOD图像检测方法，其特征在于，所述根据待识别异物的全局位置将重合度大于阈值的异物区域进行融合，得到融合图像，具体是：

根据多个待识别异物的全局位置，将两个交集和并集面积比大于0.1的异物区域进行融合，得到融合图像。

5.根据权利要求1所述的机场跑道FOD图像检测方法，其特征在于，将融合后的异物区域进行裁剪和尺寸调整，得到待分类的图像块，具体是：

在裁剪异物区域时，均分别向四周扩展若干个像素点后进行裁剪，并将裁剪区域调整图像尺寸为64*64。

6.根据权利要求1所述的机场跑道FOD图像检测方法，其特征在于，所述异物分类模型，包括多种分类，每种分类对应不同的报警级别。

7.一种机场跑道FOD图像检测系统，其特征在于，包括：

存储器，用于存储程序；

处理器，用于加载所述程序以执行如权利要求1-6任一项所述的机场跑道FOD图像检测方法。

8.一种存储介质，其特征在于，其存储有程序，所述程序被执行时实现如权利要求1-6任一项所述的机场跑道FOD图像检测方法。