基于深度学习的座舱开关状态识别研究

• 作者: 邓乐武 成金涛 曾苏凡
• 来源期刊: 测控技术
• 关键词: Faster R-CNN 特征融合 多分支结构 膨胀系数
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 54-57
• 页数: 4页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19708/j.ckjs.2021.08.010

摘要

飞机飞行前为保证飞行安全,需要机务人员对座舱开关、安全销等状态进行检查确认,由于检查对象多、状态多,人为检查常常出现错检、漏检.因此,以飞机座舱开关为具体研究对象,提出了一种基于深度学习的座舱开关状态识别方法.在典型的目标检测算法Faster R-CNN的基础上,提出基于特征融合的多分支Faster R-CNN改进算法,既提升了小目标开关的检测精度,又兼顾了 一般大小目标物体的检测精度.多组对比实验表明,所提出的方法在座舱开关状态检测场景中的平均精度较原始的Faster R-CNN有明显提升.