美国航母网络 (USS-Net):基于神经网络的模型,用于协助飞行路线安排.
1College of Arts and Sciences, Beijing Institute of Fashion Technology, Beijing, China.
PloS one
|May 14, 2025
概括
本研究介绍了USS-Net,这是一种用于增强航空安全的新型深度学习模型. 通过识别起流和周围环境,USS-Net提高了多飞机路线安排和局势意识.
科学领域:
- 航空安全和空中交通管理
- 航空航天领域的人工智能
- 计算机视觉用于导航
背景情况:
- 目前的航空导航系统 (GPS,INS) 缺乏环境意识和预警能力.
- 空中交通拥堵带来风险,需要先进的解决方案来协调飞行和安全.
- 唤醒流检测对于防止多飞机作业期间发生事故至关重要.
研究的目的:
- 提出使用先进的人工智能进行协调飞行的多飞机并行方法.
- 开发基于神经网络的语义细分模型,以提高情境意识和路线安排.
- 通过早期检测起伏流来提高飞行安全.
主要方法:
- 开发一个U形国家空间块UNet (USS-Net) 集成Mamba的时间动态.
- 使用StateConvBlock和ResConvBlock进行特征提取和多尺度融合.
- 采用基于神经网络的语义细分模型用于飞机监测和环境意识.
主要成果:
- 美国海军舰艇网络在飞机模拟数据集上实现了高精度的像素级别细分.
- 该模型在整个欧盟 (mIoU) 的平均交叉率为95.70%,像素精度 (PA) 为97.80%.
- 在协助多架飞机并行路线安排任务方面表现出有效性.
结论:
- 美国海军舰艇网络 (USS-Net) 显著提高了航空中的情境意识和安全.
- 该模型的效率和准确性支持先进的多飞机协调.
- 这种方法为减轻与空中交通拥堵相关的风险提供了有希望的解决方案.


