基于卷积神经网络的返回舱识别

摘要

针对靶场返回舱自动识别与跟踪的需求,采用YOLOv5神经网络进行自动识别的技术方案。为解决返回舱数据集较少的问题,采用Mosaic数据增强的方法,不仅增加了数据集数量,而且提高了网络的鲁棒性。针对返回舱目标较小的问题,提出以特征明显、目标较大的降落伞作为主要识别对象,返回舱本体为次要识别对象,对二者同时进行识别。通过数据集的建立、训练和测试,最终得出实验结论:在不同环境、不同光线条件下的降落伞和返回舱识别中,所提方法检测准确率可达90%~95%,对返回舱落地过程中高效、准确识别跟踪任务具有重要意义。