红外图像中机场跑道检测系统的研究与优化实现的中期报告.docxVIP

红外图像中机场跑道检测系统的研究与优化实现的中期报告 本报告旨在介绍红外图像中机场跑道检测系统的研究与优化实现的中期研究进展情况。本研究计划基于深度学习技术，开发一个能够自动检测机场跑道的系统，以提高机场地勤操作的效率和准确性。 在本阶段，我们进行了以下工作： 1. 数据采集和预处理 我们采用DJI Matrice 600采集了机场跑道的红外图像，并使用Python语言处理数据，进行数据预处理，包括图像尺寸调整、亮度和对比度修正，以提高后续处理的准确性。 2. 模型选择和训练 我们选择了基于卷积神经网络（CNN）的YOLOv3模型，作为机场跑道检测系统的核心模型。我们对模型进行了优化，通过改进网络架构、调整超参数、数据扩充等方法，提高了模型的检测精度和鲁棒性。最终，我们在本阶段的实验中，使用了约2000张红外图像对模型进行了训练，并在测试集上得到了较好的检测效果。 3. 系统实现和测试 我们基于Python语言，使用OpenCV和PyQt等工具，实现了机场跑道检测系统。系统能够实时获取DJI Matrice 600采集的红外图像，并对图像进行处理和检测，并输出检测结果。在系统测试中，我们发现系统能够实现准确、快速地检测机场跑道，并对检测结果进行可视化显示。 接下来，我们将继续优化系统的性能和功能，加强系统的鲁棒性和可靠性，实现更广泛的应用场景。