一种用于外场试验图像的引信炸点检测方法

摘要

在无线电近炸引信抗干扰性能测试中,观测和识别炸点状态对引信的工作状态评估和性能改进至关重要。为此,提出一种基于深度神经网络的图像目标检测算法,用于引信炸点识别。在检测模型的结构设计及训练策略上实现以下新颖设计:模型基于高性能骨干网络ConvNeXt实现图像目标特征提取,使用密集连接跨阶段局部模块以及带通道注意力机制的多分支模块,以提升特征提取能力;使用任务解耦多检测头结构提升检测精度;在模型训练时,使用焦点损失函数作为分类和置信度的损失函数,使用完全交并比函数作为预测框回归的损失函数。研究结果表明:该检测算法在真实引信炸点图像数据集上实现平均精度为92.7%以及F1分数为87.4%的检测性能。实验结果表明,所提算法在引信炸点检测任务上性能优于现有典型检测模型。