ИРЭ им. В.А. Котельникова РАН English Войти Подать статью
Журнал радиоэлектроники Электронный научный журнал · eISSN 1684-1719
2022, № 4 · РАДИОТЕХНИКА

Мониторинг объектов морского судоходства по аэрокосмическим данным дистанционного зондирования в СВЧ диапазоне с применением нейросетевых технологий

М.Л. Белокопытов1, Д.А. Шленских1, С.В. Морозов1, С.В. Сирота1

1 Военно-космическая академия имени А.Ф. Можайского, Санкт-Петербург, Россия
Полный текст (PDF) DOI: 10.30898/1684-1719.2022.4.2 УДК 621.396.969.3:004.032.26 EDN WVYDKR

Аннотация

Статья посвящена вопросам автоматизированного поиска объектов морского судоходства на радиолокационных изображениях. Проведен сравнительный анализ семейства нейросетей Yolov 5. Для детектирования объектов использован одноэтапный автоматический обнаружитель, построенный на базе сверточной нейронной сети типа Yolov 5 x и обученный на наборе данных SAR Ship Dataset . Произведено цифровое моделирование предложенной системы распознавания. Проведена верификация обученной модели, а также оценка качества работы алгоритма сверточной нейронной сети. Рассмотрены основные трудности, возникающие при подготовке обучающей выборки. Предложены пути их решения. Сделаны выводы относительно возможности применения разработанного обнаружителя с целью автоматизации процесса распознавания морских объектов.

  • объекты морского судоходства
  • распознавание
  • нейронная сеть
  • радиолокационное изображение
Abstract (in English)

Monitoring of maritime navigation facilities based on aerospace remote sensing data in the microwave range using neural network technologies

The article is devoted to the issues of automated search for objects of maritime navigation on radar images. A comparative analysis of the Yolov5 neural network family has been carried out. To detect objects, a one-stage automatic detector was used, built on the basis of a convolutional neural network of the Yolov5x type and trained on the SAR Ship Dataset. Digital modeling of the proposed recognition system has been performed. Verification of the trained model was carried out, as well as evaluation of the quality of the convolutional neural network algorithm. The main difficulties encountered in the preparation of a training sample are considered. The ways of their solution are proposed. Conclusions are drawn regarding the possibility of using the developed detector in order to automate the process of recognition of marine objects.

Для цитирования

Белокопытов М.Л., Шленских Д.А., Морозов С.В., Сирота С.В. Мониторинг объектов морского судоходства по аэрокосмическим данным дистанционного зондирования в СВЧ диапазоне с применением нейросетевых технологий // Журнал радиоэлектроники. – 2022. – № 4. https://doi.org/10.30898/1684-1719.2022.4.2

Литература

  1. Доросинский Л.Г., Трухин М.П. Теория и практика обработки сигналов от пространственно-распределенных целей. Ульяновск, Зебра. 2015. 243 с.
  2. Насыров И.А. Введение в современные спутниковые радионавигационные системы. Часть 1: общие принципы, современное состояние, перспективы развития. Учебное пособие. Казанский государственный университет. 2005. 43 с.
  3. Zhao Z., Zheng P., Xu S., Wu X. Object Detection with Deep Learning: A Review IEEE Transactions on Neural Networks and Learning Systems. 2018. P.1-21.
  4. Вакуленко С.А., Жихарева А.А. Практический курс по нейронным сетям. СПб., Университет ИТМО. 2018. 71 с.
  5. Zhang T., Zhang X., Jianwei Li. SAR Ship Detection Dataset (SSDD): Official Release and Comprehensive Data Analysis. Remote Sensing MDPI. 2021. V.13. P.3690.
  6. Траск Эндрю. Глубокое обучение. СПб., Питер. 2019. 352 с.
  7. Ананьин Э.В., Андрющенко М.С. Методы исследований радиолокационной сигнатуры при разработке малозаметных образцов военной техники. Вопросы оборонной техники. Серия 16: технические средства противодействия терроризму. 2015. №87-88. С.102-108.
  8. Тертышник В.В., Зиновьев А.В. Методика расчета радиолокационных портретов аэродинамических объектов. Радиотехника и связь: материалы Междунар. науч.-техн. конф., посвящ. 15-летию каф. Радиотехники. Саратов, Сарат. гос. техн. ун-т. 2004. С.11-24.
  9. Филиппских Е.Э., Попов А.В., Галкин Ф.А. Модельно-ориентированная методика расчета радиолокационных портретов (сигнатур) металлических объектов. Труды ВКА им. А.Ф.Можайского: материалы XXXII Всероссийского симпозиума "Радиолокационное исследование природных сред". СПб., ВКА им. А.Ф. Можайского. 2021. С.87-99.
  10. Иванов В.Г., Гаврилин И.В., Насыпов Д.Н. Интегрированная электронная карта как единая информационная система боевой обстановки САПР и графика. 2017. №8. С.67-72.