《表2 实测识别正确率：基于Faster-RCNN的机场跑道异物识别定位技术研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Faster-RCNN的机场跑道异物识别定位技术研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

地面站中的检测识别系统对无人机下传的图像依次进行处理，处理环境为win10专业版操作系统，CPU Intel i5-8400，NVIDIA显卡RTX2060移动版，8G内存，500G加128G双固态硬盘。处理结果如图8所示，标示出异物的类别、坐标信息和置信度信息。表2给出了10个架次飞行后的异物识别率、准确率和定位平均偏差，从表中可以得出：1）召回率（recall）为正确识别异物数量占样本总异物数量比例，测试结果最低为97.5%，最高100%，平均99.4%，未识别均为小型石块，且像素大小少于32×32像素，小于Faster-RCNN算法最小识别尺寸；2）准确率（precision）为正确识别异物数量占总识别目标数量的比例，测试结果最低90%，最高95%，平均91.6%；3）定位偏差受无人机定位数据和图像偏差计算影响，考虑机场跑道形状规则，对定位精度要求有限，所以选择GPSM8N定位模块，该GPS双模工作模式最高精度可达0.5-1米，将实际物品位置与识别定位数据对比可得，定位评价偏差最小0.7米，最大1.2米，平均0.91米；4）单张图像处理时间最长0.260s，最短0.229s，平均处理时间为0.237s。