模拟塞斯纳172无动力迫降时飞行员工作负荷分析

作者： 林华显.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 机器学习   工作负荷   生理信号   深度学习   航空安全  

描述： 模拟塞斯纳172无动力迫降时飞行员工作负荷分析

基于深度学习的遥感图像飞机目标检测技术研究

作者： 赵志恒.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   深度学习   目标检测   YOLOv8   飞机目标  

描述： 基于深度学习的遥感图像飞机目标检测技术研究

基于融合神经网络的飞机蒙皮缺陷检测的研究

作者： 黄少晗.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   飞机蒙皮缺陷   融合神经网络   深度学习   目标检测  

描述： 基于融合神经网络的飞机蒙皮缺陷检测的研究

基于深度学习的遥感图像飞机目标检测方法研究

作者： 吕宗奎.   来源： 南京信息工程大学 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   特征提取   PyQt5   深度学习   目标检测  

描述： 基于深度学习的遥感图像飞机目标检测方法研究

基于深度学习的航空发动机剩余使用寿命预测方法研究

作者： 曹锦山.   来源： 重庆交通大学 年份： 2024 文献类型 ： 学位论文 关键词： 航空发动机   Transformer   深度学习   剩余使用寿命   多头自注意力机制  

描述： 基于深度学习的航空发动机剩余使用寿命预测方法研究

模拟塞斯纳172无动力迫降时飞行员工作负荷分析

作者： 林华显.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 机器学习   工作负荷   生理信号   深度学习   航空安全  

描述： 模拟塞斯纳172无动力迫降时飞行员工作负荷分析

基于深度学习的遥感图像飞机目标检测技术研究

作者： 赵志恒.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 遥感图像   深度学习   目标检测   YOLOv8   飞机目标  

描述： 基于深度学习的遥感图像飞机目标检测技术研究

基于融合神经网络的飞机蒙皮缺陷检测的研究

作者： 黄少晗.   来源： 中国民用航空飞行学院 年份： 2024 文献类型 ： 学位论文 关键词： 注意力机制   飞机蒙皮缺陷   融合神经网络   深度学习   目标检测  

描述： 基于融合神经网络的飞机蒙皮缺陷检测的研究

飞机结构健康监测技术发展研究

作者： 刘雪蓉     曹贺     张宝珍   来源： 计测技术 年份： 2024 文献类型 ： 期刊 关键词： 结构预测与健康管理   数字孪生   先进传感器   深度学习   飞机   结构健康监测  

描述： Fighter, JSF）上的典型应用。指出飞机结构健康监测技术正向智能化方向发展；未来需要重点研究传感器网络的智能诊断技术、复杂环境下的SHM技术、基于结构健康监测的健康管理技术、智能材料/结构健康监测技术，并将深度学习、数字孪生等前沿技术应用于航空领域，以推动我国飞机结构健康监测技术发展。

基于迁移学习和改进Faster-RCNN遥感影像飞机目标检测

作者： 周绍鸿     方新建     刘鑫怡     张潆丹     严盛   来源： 机电工程技术 年份： 2024 文献类型 ： 期刊 关键词： 遥感影像   目标检测   RCNN   深度学习   Faster   迁移学习  

描述： 为了提高遥感影像飞机目标检测的准确性和泛化能力，需要解决背景复杂、尺度多变、目标密集、飞机朝向不确定和特征不明显等问题。但现阶段训练数据量有限，初始训练需要消耗大量算力和时间，容易出现过拟合现象。因此，需要优化模型结构和训练过程。针对上述问题，首先引入一种迁移学习的策略，在Faster-RCNN模型训练之前，加载MS COCO数据集预先训练好的权重，使模型快速收敛，节约了大量的训练时间。然后以ResNet50替代原Faster-RCNN的VGG16特征提取网络，更好地利用深层次的语义信息，在此基础上结合FPN网络，并对原Faster-RCNN的9种锚框增加为15种锚框，通过融合多尺度特征图以获得更丰富的特征表示，从而提高网络检测和定位目标的能力。以RSOD-Dataset数据集为例进行飞机目标检测实验，同时比较不同检测算法的性能；再以NWPU VHR-10数据集验证模型的泛化性和稳定性，实验结果表明：改进的Faster-RCNN在RSOD-Dataset数据集上的精确率为97.54%；在NWPU VHR-10数据集上的精确率为98.27%。通过迁移学习和改进Faster-RCNN的网络结构，可以实现在数据量较少的情况下高精度目标检测，且泛化能力较强，所提方法可以利用于其他目标检测和识别，具有较好的推广意义。