一种脉冲激光多元成像近场目标探测与识别方法

本发明属于激光引信目标探测与识别，尤其涉及一种脉冲激光多元成像近场目标探测与识别方法。

背景技术：

1、引信是一种高密度集成的小型光机电系统，它集通信交互、传感探测、信息处理等诸多功能于一体，是武器弹药的“大脑”，是决定毁伤效果的关键。由于激光具有单色性好、亮度高、方向性强和相干性好等优点，应用于激光近炸引信时，使其获得了发射波束窄、抗电磁干扰能力强、测距精度高等优点。脉冲激光近炸引信是利用主动脉冲激光实现目标探测与识别的一种光学引信，它对目标的探测不受辐射强度和方位的限制，因而具备全向探测的能力，同时现代战场环境存在着较强电磁干扰，激光近炸引信由于具有较强的抗电磁干扰能力。

2、主动激光成像引信通过向周围发射激光束达到探测目标的同时对目标生成二值图像的目的，激光成像引信主要分为扫描式和非扫描式。在获取到目标图像的基础上，如何进行图像识别，识别出弹目交会状态以及目标部位，对于成像引信炸点精确起爆控制尤为重要。

3、现有的大多数激光成像引信，探测体制选用多象限探测体制，这种探测方式无法获取精确的目标形体信息。传统的多象限扫描成像探测体制，因为技术受限，引信内部转机的转速只能达到几十转/秒，只能应用在对地导弹，若应用于高速交会的对空导弹会出现因过大的角度分辨率产生严重的图像失真。除了图像失真的问题，图像识别运算速度也都在几十毫秒量级，不符合实际战场应用。

技术实现思路

1、为解决上述问题，本发明提供一种脉冲激光多元成像近场目标探测与识别方法，通过使用c3-ghost模块对特征进行变换，增加了yolov8网络模型的特征表示能力和对复杂数据的拟合能力，大幅度降低模型所需的参数总数和计算复杂度。

2、一种脉冲激光多元成像近场目标探测与识别方法，采用改进型的yolov8网络模型对待测图像中的飞机部位以及弹机交会方式进行识别，其中，改进型的yolov8网络模型包括辅助模块以及穿插于辅助模块之间的多个c3-ghost模块，且各c3-ghost模块用于代替未改进的yolov8网络模型中的各csplayer_2conv模块进行特征提取，各c3-ghost模块均包括第一卷积单元、第二卷积单元、第三卷积单元、ghostneck单元以及合并单元；

3、其中，待测图像通过辅助模块生成的中间特征图传输至当前c3-ghost模块时，中间特征图分别进入完全相同的第一卷积单元和第二卷积单元进行特征融合和降维，对应得到通道数减少的第一特征图和第二特征图；所述第二特征图进入ghostneck单元进行第二次特征融合，得到尺寸不变的初始ghost特征图；所述第一特征图与初始ghost特征图进入合并单元进行特征聚合，得到聚合特征图，且聚合特征图的通道数为第一特征图的通道数的两倍；所述聚合特征图进入第三卷积单元进行特征融合后，得到尺寸不变的第三特征图输出至辅助模块。

4、进一步地，所述ghostneck单元包括顺次级联的第一ghost子单元、第二ghost子单元以及特征聚合子单元；其中，第一ghost子单元与第二ghost子单元的通道数不同；

5、所述第二特征图进入第一ghost子单元进行特征融合和扩维，得到通道数扩展的第一ghost特征图；

6、所述第一ghost特征图经过批量归一化和非线性拟合的预处理后再进入第二ghost子单元进行特征融合和降维，得到通道数减少的第二ghost特征图；

7、所述第二ghost特征图经过批量归一化处理后再进入特征聚合子单元与第二特征图进行特征聚合，得到所述初始ghost特征图。

8、进一步地，所述第一ghost子单元获取第一ghost特征图的方法为：

9、第二特征图依次进行初始卷积操作和可分离卷积操作后得到第一ghost中间特征图，第一ghost中间特征图再与第二特征图进行特征聚合和扩维得到第一ghost特征图。

10、进一步地，所述第二ghost子单元获取第二ghost特征图的方法为：

11、预处理后的第一ghost特征图依次进行初始卷积操作和可分离卷积操作后得到第二ghost中间特征图，第二ghost中间特征图再与第一ghost特征图进行特征聚合和降维得到第二ghost特征图。

12、进一步地，改进型的yolov8网络模型中的辅助模块包括多个convmodule子模块、多个sppf子模块、多个upsample子模块、多个concat子模块、多个conv2d子模块、多个bboxloss子模块、多个cls loss子模块，且各c3-ghost模块穿插连接于各子模块之间。

13、进一步地，在训练改进型的yolov8网络模型时，其采用的训练图像数据集的构建方法如下：

14、基于多象限探测模型、飞机的三维几何模型、弹机交会模型、光学散射模型建立对空激光多元成像引信仿真系统；

15、在对空激光多元成像引信仿真系统中设置不同的弹机交会参数和激光引信参数，对弹机交会过程进行仿真，获取不同弹机交会条件下的飞机二值图像；

16、根据设定的飞机识别要求对各飞机二值图像中的飞机部位和交会姿态进行标注，完成训练图像数据集的构建，其中，交会姿态标注的内容包括子弹相对于飞机为尾追飞行、子弹相对于飞机为迎头飞行，飞机部位标注的内容包括机头、机翼、机尾。

17、有益效果：

18、1、本发明提供一种脉冲激光多元成像近场目标探测与识别方法，通过使用c3-ghost模块对特征进行变换，增加了yolov8网络模型的特征表示能力和对复杂数据的拟合能力，减少了计算量，有助于减少后续层的计算负担，同时避免过拟合；也就是说，与普通卷积神经网络相比，本发明将改进型的yolov8目标检测算法应用于激光多元成像引信的图像识别中，能够在不改变输出特征图大小的情况下，不但大幅度降低了ghost模块所需的参数总数和计算复杂度，还大幅降低了图像识别所用的时间。

19、2、本发明提供一种脉冲激光多元成像近场目标探测与识别方法，基于多象限探测模型建立对空激光多元成像引信仿真系统；通过设置弹机交会参数和激光引信主要参数进行仿真，获取目标的图像数据集；根据目标识别要求对数据集进行标注，通过大量的数据集提高深度学习神经网络的识别准确率；将改进版的yolov8目标检测算法应用于图像识别中，能够实现飞机部位以及交会方式的高效率、高准确度的识别，并且每张图片平均识别速度仅为3.4ms。

技术特征：

1.一种脉冲激光多元成像近场目标探测与识别方法，其特征在于，采用改进型的yolov8网络模型对待测图像中的飞机部位以及弹机交会方式进行识别，其中，改进型的yolov8网络模型包括辅助模块以及穿插于辅助模块之间的多个c3-ghost模块，且各c3-ghost模块用于代替未改进的yolov8网络模型中的各csplayer_2conv模块进行特征提取，各c3-ghost模块均包括第一卷积单元、第二卷积单元、第三卷积单元、ghostneck单元以及合并单元；

2.如权利要求1所述的一种脉冲激光多元成像近场目标探测与识别方法，其特征在于，所述ghostneck单元包括顺次级联的第一ghost子单元、第二ghost子单元以及特征聚合子单元；其中，第一ghost子单元与第二ghost子单元的通道数不同；

3.如权利要求2所述的一种脉冲激光多元成像近场目标探测与识别方法，其特征在于，所述第一ghost子单元获取第一ghost特征图的方法为：

4.如权利要求1所述的一种脉冲激光多元成像近场目标探测与识别方法，其特征在于，所述第二ghost子单元获取第二ghost特征图的方法为：

5.如权利要求1所述的一种脉冲激光多元成像近场目标探测与识别方法，其特征在于，改进型的yolov8网络模型中的辅助模块包括多个convmodule子模块、多个sppf子模块、多个upsample子模块、多个concat子模块、多个conv2d子模块、多个bbox loss子模块、多个cls loss子模块，且各c3-ghost模块穿插连接于各子模块之间。

6.如权利要求1～5任一权利要求所述的一种脉冲激光多元成像近场目标探测与识别方法，其特征在于，在训练改进型的yolov8网络模型时，其采用的训练图像数据集的构建方法如下：

技术总结本发明提供一种脉冲激光多元成像近场目标探测与识别方法，通过使用C3‑Ghost模块对特征进行变换，增加了YOLOv8网络模型的特征表示能力和对复杂数据的拟合能力，减少了计算量，有助于减少后续层的计算负担，同时避免过拟合；也就是说，与普通卷积神经网络相比，本发明将改进型的YOLOv8目标检测算法应用于激光多元成像引信的图像识别中，能够在不改变输出特征图大小的情况下，不但大幅度降低了Ghost模块所需的参数总数和计算复杂度，还大幅降低了图像识别所用的时间。技术研发人员：王婷,许明君,韩杰,刘江,穆行,韩政,尹翔宇受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/7/25