飛行機が夜間に離着陸する際、空港滑走路への異物侵入は航空輸送の安全を著しく脅かし、暗い背景下で人力による歩行巡回で小規模な異物を検査することは致命的な安全リスクを残しやすい。スマート視覚検出アルゴリズムを空港滑走路異物侵入検知分野に導入し、既存モデルが局所特徴に偏り検出精度が低い問題に対処するため、自注意特徴埋め込みを融合したCSPTNet夜間空港滑走路異物検出アルゴリズムを設計した。畳み込みニューラルネットワークが局所特徴に注目し全体特徴を軽視する欠点を改善するため、標準ボトルネックモジュールをTransformerボトルネックモジュールに置き換え、特徴マップのサブブロックを平坦化し位置特徴符号化を埋め込み、画像をピクセル表現からベクトル表現に変換し高次元ベクトル空間でピクセル間の関係を捉えるようにした。マルチヘッド自注意メカニズムを採用し、注意ブランチのサブスペースから異なるブランチで集約された特徴情報を取得し、グローバル特徴とローカル特徴情報の融合を実現した。データセットの対象物尺度が小さいことによる輪郭のぼやけや位置特定の困難さに対応するため、予測ボックスのサイズと中心位置を修正・最適化するCIoU損失関数を導入し、異物対象の輪郭位置精度を向上させた。実験結果は、本モデルの検出速度が38フレーム/秒に達し、リアルタイム検出の要件を満たし、平均精度は最高88.1%であり、自注意特徴埋め込みを融合したTransformerモジュールは標準ボトルネックモジュールと比べて5.7%向上し、現行の最先端YOLOv5モデルと比較して5.2%向上し、CSPTNetアルゴリズムの夜間空港滑走路異物検出の有効性と実用性を検証した。

夜間空港滑走路;異物侵入検出;物体位置損失;特徴埋め込み;マルチヘッド自注意