基于深度学习的低空云雾图像识别与飞行能见度实时估计系统.docxVIP

  • 0
  • 0
  • 约1.45万字
  • 约 21页
  • 2026-11-20 发布于北京
  • 举报

基于深度学习的低空云雾图像识别与飞行能见度实时估计系统.docx

PAGE2

基于深度学习的低空云雾图像识别与飞行能见度实时估计系统

摘要

随着低空经济的蓬勃发展,无人机物流、城市空中交通等应用场景对低空气象保障提出了迫切需求。低空云雾是影响飞行安全的关键气象要素,其快速、准确的识别与能见度估计是无人机自主避障的核心前提。本研究针对现有低空能见度监测手段覆盖不足、时效性差等问题,设计了一套基于机载视觉设备与深度学习算法的低空云雾图像识别与飞行能见度实时估计系统。

全文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进逻辑。首先,分析了低空飞行对能见度信息的需求,定义了系统的功能与非功能指标;其次,设计了包含图像采集、预处理、云检测网络、能见度回归估计及实时预警模块的总体架构;在此基础上,详细阐述了基于改进MobileNetV3的轻量级云检测网络与基于多尺度特征融合的能见度回归网络的设计细节;随后,完成了系统在嵌入式平台上的实现与优化;最后,通过构建的低空云雾数据集进行功能与性能测试,验证了系统在嵌入式设备上可实现每秒25帧的实时处理速度,云检测准确率达92.3%,能见度估计平均绝对误差小于150米。本系统的核心创新在于将轻量级语义分割网络与能见度回归任务融合,并引入大气散射模型作为先验约束,实现了在算力受限的机载平台上的高效推理,为低空飞行器提供了低成本、高时效的气象感知能力。

第一章绪论

1.1研究背景

低空经济正成为全球战略

文档评论(0)

1亿VIP精品文档

相关文档