Resumen

La seguridad operativa en el aeropuerto es el centro de atención de la industria de la aviación. El reconocimiento de objetivos en condiciones de baja visibilidad desempeña un papel esencial a la hora de organizar la circulación de objetos en el campo del aeropuerto, identificar a tiempo los obstáculos imprevisibles y supervisar las operaciones de aviación y garantizar su seguridad y eficiencia. Desde la perspectiva del aprendizaje de transferencia, este trabajo explorará la identificación de todos los objetivos (principalmente incluyendo aviones, humanos, vehículos terrestres, hangares y pájaros) en el campo del aeropuerto bajo condiciones de baja visibilidad (causadas por el mal tiempo como la niebla, la lluvia y la nieve). En primer lugar, se utiliza una variedad de redes de aprendizaje profundo de transferencia para identificar objetivos aeroportuarios bien visibles. Los resultados experimentales muestran que GoogLeNet es más eficaz, con una tasa de reconocimiento superior al 90,84%. Sin embargo, las tasas de reconocimiento de este método se reducen considerablemente en condiciones de baja visibilidad; algunas son incluso inferiores al 10%. Por lo tanto, la imagen de baja visibilidad se procesa con 11 algoritmos diferentes de eliminación de niebla y mejora de la visión, y luego se utiliza el algoritmo de red neuronal profunda GoogLeNet para identificar la imagen. Finalmente, la tasa de reconocimiento del objetivo puede mejorarse significativamente hasta más del 60%. Según los resultados, el algoritmo de canal oscuro tiene el mejor efecto de mejora de la niebla de la imagen, y la red neural profunda GoogLeNet tiene la tasa de reconocimiento de objetivos más alta.

• Materias:Automatización Aerodinámica Motores (Mecánica) Cinemática Ingeniería Aeronáutica
• Subjects:Automation Aerodynamics Engines Kinematics Aeronautical Engineering
• Palabras claves:tasa de reconocimiento de objetivos, red neuronal profunda, baja visibilidad, campo aeroportuario, tasa de reconocimiento, googlenet, algoritmo de canal oscuro, objetivo aeroportuario visible, perspectiva de transferencia, eliminación de niebla diferente
• Keywords:target recognition rate, deep neural network, low visibility, airport field, recognition rate, googlenet, dark channel algorithm, visible airport target, perspective of transfer, different fog removal