基於卷積神經網絡的返回艙識別檢視原始碼討論檢視歷史

來自 搜狐網 的圖片

基於卷積神經網絡的返回艙識別隨着科學技術的發展，世界上很多國家根據自己發展的需求，對航天領域的探索欲望愈加強烈，這將會有越來越多的航天器發射到外太空，執行相關的探測任務和活動，同時各類航天器的出現也為人類的生產生活提供了很大的便利。必要時，需要從探測目標天體上帶回相應樣品，或者在載人航天任務中，需要將宇航員安全送回地球等等。這些任務中就需要在火箭的結構中配置返回艙，通過推進艙提供動力、後期分離，將密閉的返回艙送入環地軌道，並逐漸降低軌道高度，最終降落到地面。返回艙承載了宇航員及大量的精密試驗儀器，然而成功回收是載人航天工程中至關重要的一個環節。返回艙在返回地面的過程中，一般都採用降落傘來降低其着陸速度。由於受降落傘的設計着陸速度限制，載人航天返回艙在陸地上的着陸速度一般為6-7m/s，而對無人返回艙達到10-14m/s。在返回艙返回的進程中，都是按照既定軌道線路降落的。由於返回艙中都安裝有信號指引裝置，當返回艙按照既定軌道線路進入地球大氣層時，信息指引裝置所發出的信號，夠被地面的接收設備所追蹤到。但返回艙的降落經歷的是高速狀態下的持續減速過程，返回艙真正在大氣層降落時受到外界因素的干擾具有不確定性，導致運行軌跡就無法通過精確的導航引導系統進行操控，只能預測到一定的區間範圍內，外加通常返回艙的降落地點都會選擇人煙稀少的區域，而且確保返回的宇航員和採集樣品的安全，都需要出動大隊人馬進行搜尋。為解決以上等問題，更加精準識別和跟蹤返回艙，提高對航天器的搜尋效率是非常必要的。

二、技術方案

（一）實驗流程

（二）實驗準備

1、數據集要求

數據集中所包含的數據量要大，以保證能得到足夠充分的訓練。

圖片：清晰且目標清楚的白天正常彩色圖像和夜晚紅外黑白圖像

視頻：完整且真實的白天正常彩色視頻和夜晚紅外黑白視頻，並按幀轉化為圖片

2、實驗環境

實驗是在Window10服務器上完成的。

服務器CPU: Intel(R)Xeon(R)Silver4116，CPU@2.1GHz2.1GHz （2處理器）。

顯卡：NVIDIAGeForceRTX-309032GB，cuda11.1.0_456.43_win10,cudnn-11.1-windows-x64-v8.0.4.30

Aanconda3-2020.02-Windows-x 86_64。

版本搭建：Pytorch1.7，python3.7.6， pycharm-community-2020.1.3x64。內存32GB。

（三）實驗方法

1、搜集圖片及視頻

通過搜集有關返回艙載入大氣層後落地跟蹤的真實視頻（包括光學儀器拍攝的紅外光視頻和可見光視頻），實現視頻的讀取和與圖片幀的轉換。採集到的圖片集包括可見光圖片4000張和紅外光圖片1500張。

2、獲得數據集

將採集的圖像經過排序獲得原始數據集。對於訓練數據中存在的位置偏差，採用幾何變換方法，可實現平移、旋轉、翻折、裁剪等操作。

3、標註圖片

一般的訓練數據集需要給數據集打標籤，這裡我們採用圖像標註工具labelImg，對返回艙或降落傘進行標記，得到xml標記文件。labelImg是一種矩形標註工具，常用於目標識別和目標檢測。打開原始數據集進行標註，在HWfhc（紅外返回艙）、HWjls（紅外降落傘）、ZCfhc（正常返回艙）、ZCjls（正常降落傘）這四種類型中選擇合適的類型。

4、訓練標註圖片

將標註圖像進行訓練，分別在YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x這四種模型中訓練100次和200次，得到訓練結果並進行分析。

（四）注意問題

1、返回艙在降落過程中需要降落傘來提供阻力，所以降落傘會比返回艙更好識別。且在現實情況下，返回艙降落的時間可能是白天也可能是晚上。所以在標註圖像時，既要標註返回艙也要標註降落傘，既要標註正常光學圖像，也要標註黑白的紅外圖像。

2、對於圖像中模糊不清或占據較大空間的目標，其意義不大，可以放棄，不對其進行標註。

三、創新設計

1、將降落傘和返回艙分開識別，並且作為一個整體跟蹤

由於返回艙目標小，特徵不明顯，當返回艙按照既定軌道線路進入地球大氣層時，識別較為困難，容易跟丟。而返回艙在降落過程中需要降落傘來提供阻力，二者是一體的，相比於返回艙而言，降落傘目標更大，顏色更鮮艷，特徵更明顯所以降落傘會比返回艙更容易識別和跟蹤。

2、將數據集分為可見光和紅外光

在現實情況下，返回艙降落的時間可能是白天也可能是晚上，所以考慮實際，數據集應包括可見光下的彩色數據集和紅外光下的黑白數據集，這樣使得整個實驗更加全面，可全天時進行識別跟蹤。