2025年6月23日 周一
首页 > 按月查看>2023年第1月 >150-161. DOI:10.16337/j.1004-9037.2023.01.013
PDF 导出
基于改进的无锚框目标检测算法的涡检测
作者:
作者单位:

1.南京航空航天大学计算机科学与技术学院，模式分析与机器智能工业和信息化部重点实验室，南京 211106;2.中国空气动力研究与发展中心空气动力学国家重点实验室，气动噪声控制重点实验室，绵阳621000;3.软件新技术与产业化协同创新中心，南京 210023;4.南京航空航天大学航空学院，南京210016

基金项目:

航空科学基金（2018ZA52002，2019ZA052011）；空气动力学国家重点实验室基金（SKLA20180102）；气动噪声控制重点实验室基金（ANCL20190103）。


Vortex Detection Based on Improved Anchor-Free Object Detection Algorithm
Author:
Affiliation:

1.MIIT Key Laboratory of Pattern Analysis and Machine Intelligence, College of Computer Science and Technology, Nanjing University of Aeronautics & Astronautics, Nanjing 211106, China;2.Key Laboratory of Aerodynamic Noise Control, State Key Laboratory of Aerodynamics, China Aerodynamics Research and Development Center, Mianyang 621000, China;3.Collaborative Innovation Center of Novel Software Technology and Industrialization, Nanjing 210023, China;4.College of Aerospace Engineering, Nanjing University of Aeronautics & Astronautics, Nanjing 211106, China

  • 摘要
    • | |
  • 访问统计
    • |
  • 参考文献
    • |
  • 相似文献
    • |
  • 引证文献
    • |
    摘要:

    在流体运动中涡对各种流场结构的生成和维持起着至关重要的作用，涡的识别和检测有助于理解流体流动规律。传统涡识别方法别存在定义不准确、严重依赖经验阈值、泛化性能差等问题，因此涡检测具有一定挑战性。本文从计算机视觉的角度出发，提出了一个基于目标检测算法的涡检测模型。针对原始目标检测模型对极端宽高比的细长涡检测效果不理想的问题，对两种不同类型涡的数据特性进行分析，并提出了基于可变形卷积（Deformable convolutional network， DCN）的特征自适应模块和基于改进损失函数的细长样本挖掘方法。采用圆柱尾流涡和潜艇尾部涡数据集对所提模型进行验证，实验结果表明改进后的模型检测精确率显著提高，并在细长涡的检测精确率上有显著提升，有效地平衡了各类型的涡检测性能。

    Abstract:

    Vortex plays a crucial role in the formation and maintenance of various flow structures in fluid motion. The identification and detection of vortices are helpful to understand the flow laws. Traditional vortex detection methods have many shortcomings， such as inaccurate definition， heavy dependence on empirical threshold and poor generalization performance， which make vortex detection challenging. In this paper， a vortex detection model based on object detection algorithm is proposed from the perspective of computer vision. Aiming at the problem that the original object detection model has unsatisfactory detection accuracy on slender vortices with extreme aspect ratio， this paper analyzes the data characteristics of two different types of vortices. A feature adaptive module based on deformable convolutional network （DCN） and a slender sample mining method based on improved loss function are proposed. The cylindrical wake vortex and submarine tail vortex data sets are used to verify the proposed model. Experimental results show that the improved model improves the detection accuracy significantly， and the detection accuracy of slender vortex is especially significantly improved， which effectively balances the performance of various types of vortex detection.

    参考文献
    相似文献
    引证文献
引用本文

宣扬,吕宏强,安慰,刘学军.基于改进的无锚框目标检测算法的涡检测[J].数据采集与处理,2023,38(1):150-161

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
历史
  • 收稿日期:2022-01-04
  • 最后修改日期:2022-02-24
  • 在线发布日期: 2023-01-25

您是本站第 访问者

通信地址：南京市御道街29号 南京航空航天大学(明故宫校区)

邮编：210016 传真：025-84892742

电话：025-84892742 E-mail：sjcj@nuaa.edu.cn

技术支持：北京勤云科技发展有限公司

网站版权： © 《数据采集与处理》 编辑部