シングル周波数マイクロ波測定を用いた埋もれた物体の脅威評価

科学分野:

• 応用物理学
• 機械学習
• 地理学

背景:

• 埋もれた物体の検出は,安全と未爆発物 (UXO) の除去に不可欠です.
• 既存の方法はしばしば複雑なシステムや広範なトレーニングデータを必要とします.
• 微波ベースのセンサーは 地下分析の非侵襲的なアプローチを提供します

研究 の 目的:

• 埋められたオブジェクトの識別のための軽量なニューラルネットワークモデルを開発します.
• このモデルをマイクロ波検出システムと統合し,現実世界の測定を使用します.
• 確立されたディープラーニングアーキテクチャに対してモデルのパフォーマンスを評価する.

主な方法:

• 実際のデータから16x16の分散パラメータ (Sパラメータ) を測定した.
• Sパラメータデータを256次元の特徴ベクトルに変換した.
• 機能ベクトルの軽量なニューラルネットワークアーキテクチャを開発し,訓練しました.

主要な成果:

• このモデルは 99.83%の精度,0.989のF1スコア,0.979の危険物体の識別を達成しました.
• ベースラインのコンボリューションニューラルネットワーク (CNN),深層残留ネットワーク (DRN),およびEfficientNetモデルを上回った.
• 現実世界の測定に関する訓練により,堅実性と実用性を証明した.

結論:

• 提案されている軽量なニューラルネットワークとマイクロ波検出システムは,埋もれた物体の識別に非常に有効です.
• このアプローチは,防衛とセキュリティの計算上効率的で正確なソリューションを提供します.
• 現実世界のデータ統合により モデルの信頼性が向上します