變更

'''基于卷积神经网络的返回舱识别'''随着 [[ 科学技术 ]] 的发展，世界上很多国家根据自己发展的需求，对航天领域的探索欲望愈加强烈，这将会有越来越多的航天器<ref>[https://www.sohu.com/a/498582828_99955528 中国航天器名字背后的故事，快和孩子一起来探索]，搜狐，2021-11-01</ref>发射到外太空，执行相关的探测任务和活动，同时各类航天器的出现也为人类的 [[ 生产 ]] 生活提供了很大的便利。必要时，需要从探测目标天体上带回相应样品，或者在载人航天任务中，需要将宇航员安全送回地球等等。这些任务中就需要在火箭的结构中配置返回舱，通过推进舱提供动力、后期分离，将密闭的返回舱送入环地轨道，并逐渐降低轨道高度，最终降落到地面。返回舱承载了宇航员及大量的精密试验仪器，然而成功回收是载人航天工程中至关重要的一个环节。返回舱在返回地面的过程中，一般都采用降落伞来降低其着陆速度。由于受降落伞的设计着陆速度限制，载人航天返回舱在陆地上的着陆速度一般为6-7m/s，而对无人返回舱达到10-14m/s。在返回舱返回的进程中，都是按照既定轨道线路降落的。由于返回舱中都安装有信号指引装置，当返回舱按照既定轨道线路进入 [[ 地球 ]] 大气层时，信息指引装置所发出的信号，够被地面的接收 [[ 设备 ]] 所追踪到。但返回舱的降落经历的是高速状态下的持续减速过程，返回舱真正在大气层降落时受到外界因素的干扰具有不确定性，导致运行轨迹就无法通过精确的导航引导系统进行操控，只能预测到一定的区间范围内，外加通常返回舱的降落地点都会选择人烟稀少的区域，而且确保返回的宇航员和采集样品的安全，都需要出动大队人马进行搜寻。为解决以上等问题，更加精准识别和跟踪返回舱，提高对航天器的搜寻效率是非常必要的。

==二、技术方案 ：==

（二）实验 [[ 准备]]

数据集中所包含的 [[ 数据 ]] 量要大，以保证能得到足够充分的训练。

视频：完整且真实的白天正常彩色 [[ 视频 ]] 和夜晚红外黑白视频，并按帧转化为图片

[[ 服务 器CPU器]]CPU: Intel(R)Xeon(R)Silver4116，CPU@2.1GHz2.1GHz （2处理器）。

通过搜集有关返回舱载入大气层后落地跟踪的真实 [[ 视频 ]] （包括光学仪器<ref>[https://www.sohu.com/a/242162303_99961126 光学人的干货！常见光学仪器原理大全]，搜狐，2018-07-19 </ref>拍摄的红外光视频和可见光视频），实现视频的读取和与图片帧的转换。采集到的图片集包括可见光图片4000张和红外光图片1500张。

将采集的图像经过排序获得原始数据集。对于训练 [[ 数据 ]] 中存在的位置偏差，采用几何变换方法，可实现平移、旋转、翻折、裁剪等操作。

一般的训练数据集需要给 [[ 数据 ]] 集打标签，这里我们采用图像标注工具labelImg，对返回舱或降落伞进行标记，得到xml标记文件。labelImg是一种矩形标注工具，常用于目标识别和目标检测。打开原始数据集进行标注，在HWfhc（红外返回舱）、HWjls（红外降落伞）、ZCfhc（正常返回舱）、ZCjls（正常降落伞）这四种类型中选择合适的类型。

将标注图像进行训练，分别在YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x这四种模型中训练100次和200次，得到训练 [[ 结果 ]] 并进行分析。

1、返回舱在降落过程中需要降落伞来提供阻力，所以降落伞会比返回舱更好识别。且在现实情况下，返回舱降落的时间可能是白天也可能是晚上。所以在标注图像时，既要标注返回舱也要标注 [[ 降落伞 ]] ，既要标注正常光学图像，也要标注黑白的红外图像。

==三、创新设计 ：==

由于返回舱目标小，特征不明显，当返回舱按照既定轨道线路进入 [[ 地球 ]] 大气层时，识别较为困难，容易跟丢。而返回舱在降落过程中需要降落伞来提供阻力，二者是一体的，相比于返回舱而言，降落伞目标更大，颜色更鲜艳，特征更明显所以降落伞会比返回舱更容易识别和跟踪。

在现实情况下，返回舱降落的时间可能是白天也可能是晚上，所以 [[ 考虑 ]] 实际，数据集应包括可见光下的彩色数据集和红外光下的黑白数据集，这样使得整个实验更加全面，可全天时进行识别跟踪。