基于改进YOLOX-s的机场跑道冰雪状态感知

• Published in: 上海交通大学学报 Vol. 57; no. 10; pp. 1292 - 1304
• Main Authors: 邢志伟, 阚犇, 刘子硕, 李彪, 罗谦
• Format: Journal Article
• Language: Chinese
• Published: 中国民航大学 电子信息与自动化学院,天津 300300%天津航空机电有限公司,天津 300308%中国民航局第二研究所 工程技术研究中心,成都 610041 2023
• Subjects: adaptive spatial feature fusion(ASFF); 双向特征金字塔网络; 全局上下文模块; bi-di-rectional feature pyramid network(BiFPN); YOLOX-s; global context block(GC block); 跑道冰雪状态感知; 自适应空间特征融合结构; α-EIoU损失函数; pavement snow and ice state perception; α-EIoU loss function
• ISSN: 1006-2467
• DOI: 10.16183/j.cnki.jsjtu.2022.303

TP391.9; 针对机场冰雪跑道安全性和适航性状态感知能力不足及跑道表面状况报告交互的新需求,提出一种面向多尺度特征融合的机场跑道冰雪状态感知模型.以 YOLOX-s 模型为基础,在主干特征提取网络中引入全局上下文模块,获取更丰富的浅层与深层特征;将颈部结构中路径聚合网络替换为双向特征金字塔,以提升特征融合能力;在加强特征提取网络尾部添加自适应空间特征融合结构,进一步增强特征融合效果;使用α-EIoU优化损失函数,提高模型收敛速度与精度.实验结果表明,改进后的YOLOX-s模型在跑道冰雪实验系统所得的冰雪污染物数据集上平均精度达到了 91.53%,比原始的YOLOX-s模型提高了 4.68%,能够为机场跑道除冰雪作业提供决策支持.