相关实验视频
Updated: Jul 12, 2026

08:50
Visually Mediated Odor Tracking During Flight in Drosophila
Published on: January 26, 2009
10.0K
机场-FOD3S:一个三阶段检测驱动的框架,实现现实的外来物体碎片合成
Hanglin Cheng1, Yihao Li1, Ruiheng Zhang1,2
1School of Transportation, Southeast University, Nanjing 211189, China.
Sensors (Basel, Switzerland)
|August 14, 2025
概括
这项研究通过使用先进的人工智能模型来实现现实的图像生成和一种新的混合技术来增强外来物体碎片 (FOD) 检测. 结果显示,检测准确度显著提高,这对于安全关键环境至关重要.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 航空航天工程 航空航天工程
背景情况:
- 传统的外国物体碎片 (FOD) 检测方法在大量数据集和低准确性方面扎.
- 有效的FOD检测对于预防航空和其他行业的事故至关重要.
研究的目的:
- 开发用于FOD检测的先进数据增强技术.
- 提高FOD检测算法的准确性和稳定性.
主要方法:
- 利用生成对抗网络 (GAN) 和扩散模型进行图像数据增强.
- 提出了三阶段的图像混合方法,包括尺寸转换,无处理和风格转移.
- 使用SSIM,PSNR和Depthanything等指标评估图像质量.
- 测试了具有相似距离策略 (SimD) 的物体检测模型 (Faster R-CNN,YOLOv8,YOLOv11).
主要成果:
- 在各种环境条件下生成真实的FOD图像.
- 拟议的三阶段混合方法实现了卓越的图像质量 (SSIM=0.99,PSNR=45 dB).
- 在增强数据上训练的SimD的YOLOv11达到86.95%的平均平均精度 (mAP).
结论:
- 数据增强和SimD策略显著提高了FOD检测的准确性.
- 开发的方法为克服传统FOD检测的局限性提供了一个有希望的解决方案.
更多相关视频
06:00Electroantennography-based Bio-hybrid Odor-detecting Drone using Silkmoth Antennae for Odor Source Localization
Published on: August 27, 2021
5.4K
06:19Low-Cost Automated Flight Intercept Trap for the Temporal Sub-Sampling of Flying Insects Attracted to Artificial Light at Night
Published on: December 29, 2021
2.7K