在使用深度学习方法的车道图像中检测异物碎片
Priyadharsini S1, Bhuvaneshwara Raja K1, Kousi Krishnan T1
1Department of Computer Science and Engineering, Mepco Schlenk Engineering College, Sivakasi, Tamilnadu, India.
PeerJ. Computer science
|February 3, 2025
概括
本研究介绍了一种经济高效的基于视频的深度学习系统,用于在机场跑道上检测外来物体碎片 (FOD). 新方法通过准确识别和定位危险的FOD来提高安全性和效率.
科学领域:
- 计算机科学 计算机科学
- 航空航天工程 航空航天工程
- 人工智能的人工智能
背景情况:
- 外国物体碎片 (FOD) 对飞机操作构成重大安全风险.
- 与FOD相关的损害造成了每年超过40亿美元的大量成本.
- 目前的FOD检测方法,如雷达和摄像机监控,成本高且劳动密集.
研究的目的:
- 开发一个经济高效的,基于视频的深度学习方法来检测外来物体碎片.
- 提高机场跑道上FOD识别和定位的准确性和效率.
- 为了减少与传统的FOD清关相关的财务和运营负担.
主要方法:
- 为FOD检测提出了一个由两个模块组成的深度学习系统:对象分类和对象定位.
- 分类模块识别特定类型的异物.
- 对象定位模块在视频中精确地定位检测到的FOD.
主要成果:
- 基于视频的系统在使用大型数据集的实验测试中表现出更好的准确性和稳定性.
- 该方法允许快速检测和移除异物.
- 该系统为当前的FOD检测技术提供了一个更高效和潜在的更便宜的替代方案.
结论:
- 拟议的深度学习方法为FOD检测提供了可行和有效的解决方案.
- 实施该系统可以显著提高机场跑道安全和运营效率.
- 这项技术有可能减少FOD相关损失的经济影响.
