针对合成孔径雷达(synthetic aperture radar, SAR)图像近岸船舶目标受背景杂波的影响,导致SAR图像船舶目标检测检测率低和小尺度舰船目标©检率高的问题,提出了一种适用于复杂背景下SAR 图像近岸舰船目标检测的改进FPN(Feature Pyramid Network)模型。该模型基于FPN目标检测算法的基础上,首先在特征提取网络中利用可变形卷积更加精确的确定对目标采样点λ置,增强目标的特征提取能力,提高复杂背景下SAR 图像舰船标的检测率;同时采用通道注意力机制来捕获特征提取网络中不同通道图之间的特征依赖关系,降低©检率。在公开的SAR图像舰船数据集上测试实验,结果表明本文提供的模型在复杂场景下的检测精度为87.95%,相比于原始的FPN提升了8.46%。其中针对小尺度舰船目标检测精度为95.14%,相比于原始的FPN检测精度提升了5.28%。对比Yolo5和mask RCNN,融合了上述方法的改进模型平均检测准确精度分别提升了11.21%,2.98% 。
为解决基于视觉的船舶智能感知系统在海雾悬浮颗粒的散射作用下,图像信息可见度与对比度明显下降,目标检测、目标跟踪和语义分割等高层视觉任务受到严重影响,导致无法检测到目标或跟踪目标丢失的问题,创建了Maritime Haze数据集,并结合物理模型和深度学习方法,提出了融合暗通道先验知识的循环生成对抗网络图像去雾模型;利用暗通道先验去雾算法将图像分解输出透射图和去雾图像,再通过循环生成对抗网络的生成器和判别器对暗通道先验输出进行处理和判断,从而生成更好的去雾图像。实验表明,该模型峰值信噪比(PSNR)和结构相似性(SSMI)的评价指标分别达24.73和0.943,优于PSD的23.34(PSNR)和0.921(SSMI)以及CycleGAN的19.19(PSNR)和0.584(SSMI),并在视觉效果上展示出最佳的清晰度和色彩真实性,在航海图像去雾领域领先其他方法。
为研究细水雾对发生在船舶机舱和上甲板等受限空间甲烷掺氢爆燃事故的抑爆机理及作用效果,搭建预混气体燃爆实验平台,通过改变预混气体组分、超细水雾粒径、水雾喷洒λ置和有无障碍物等条件,对抑爆机理进行分析。结果表明:水雾抑爆效果受预混气体燃烧不稳定性、障碍物及水雾喷洒λ置的影响。在火焰发展初期,8 μm水雾表现出最佳的抑制效果,火焰速度峰值降低37%,超压峰值降低36%;45 μm水雾表现出促爆效果,火焰速度峰值提升28%,超压峰值提升14%。在障碍物条件下,改变水雾的喷洒λ置,45 μm水雾在障碍物附近喷洒表现出最佳抑制效果,火焰速度峰值降低20%,爆炸超压峰值降低35%。根据该研究,在船舶消防系统布置中,应充分考虑预混气体燃烧的不稳定性、障碍物情况和水雾喷洒λ置,在火焰发展初期应使用对火焰面结构影响最小的8 μm水雾,在障碍物附近应使用45μm水雾,从而最大限度降低事故后果。