关于开发一个数字双胞胎用于水下UXO检测,使用磁力计数据,用于机器学习模型的训练集生成

科学领域:

• 地质物理学 地质物理学
• 机器学习 机器学习
• 计算机建模 计算建模

背景情况:

• 使用磁力计检测水下未爆炸弹药 (UXO) 是一个挑战.
• 机器学习 (ML) 提供了潜力,但需要广泛,昂贵的数据集.
• 相关数据的有限可用性阻碍了ML模型训练用于UXO检测.

研究的目的:

• 提出数值建模作为生成UXO检测数据集的方法.
• 通过物理测试验证数值模型的准确性.
• 开发一种方法来创建一个全面的UXO/非UXO数据集.

主要方法:

• 使用数值建模,特别是有限元法,来模拟磁特签名.
• 进行实验,比较数值模型输出与物理测试结果.
• 开发和应用一种方法来生成一个数据集,以区分UXO和非UXO对象.

主要成果:

• 在数值模型预测和物理测试结果之间实现了高一致性.
• 一个简化的计算模型将计算时间减少了近三倍,而不会影响质量.
• 详细介绍了数据集生成的方法,包括对UXO和非UXO对象的假设.

结论:

• 数字建模是一种可行且具有成本效益的方法,用于生成基于ML的UXO检测数据集.
• 有限元素方法为水下UXO识别提供了准确的模拟.
• 开发的方法方便创建强大的数据集,这对于推进UXO检测技术至关重要.