비행기가 야간에 이착륙할 때 공항 활주로에 침입한 이물질은 항공 운송 안전에 심각한 위협이 되며, 어두운 배경에서 인력이 도보 순찰로 소규모 이물질을 탐지하는 것은 치명적인 안전隐患를 남기기 쉽다. 지능형 비전 검출 알고리즘을 공항 활주로 이물 침입 분야에 도입하여 기존 모델이 국부 특징에 치중하여 검출 정확도가 낮은 문제를 해결하기 위해 자가주의 특징 임베딩을 융합한 CSPTNet 야간 공항 활주로 이물 검출 알고리즘을 설계하였다. 합성곱 신경망이 국부 특징에 집중하고 전역 특징을 무시하는 결함을 개선하기 위해 표준 병목 모듈을 Transformer 병목 모듈로 교체하고, 특징 맵 서브블록을 평탄화하여 위치 특징 코딩을 임베딩하여 이미지를 픽셀 표현에서 벡터 표현으로 변환하고 고차원 벡터 공간에서 픽셀 간 관계를 포착하도록 하였다. 다중 헤드 자가주의 메커니즘을 채택하여 주의 분기 하위 공간에서 다양한 분기에서 집약된 특징 정보를 획득함으로써 전역 특징과 국부 특징 정보의 융합을 실현하였다. 작은 객체 크기로 인한 윤곽선 모호와 위치 지정 어려움 문제를 해결하기 위해 예측 박스 크기와 중심 위치를 수정 최적화하는 CIoU 손실 함수를 도입하여 이물 객체 윤곽의 위치 정확도를 높였다. 실험 결과 본 논문의 모델 검출 속도는 38fps에 달해 실시간 검출 요구를 충족하였으며, 평균 정확도는 최고 88.1%에 달해 자가주의 특징 임베딩이 융합된 Transformer 모듈은 표준 병목 모듈 대비 5.7%, 현재 최첨단 YOLOv5 모델 대비 5.2% 향상되어 CSPTNet 알고리즘이 야간 공항 활주로 이물 검출의 효율성과 공학적 실용성을 입증하였다.

야간 공항 활주로;이물 침입 검출;목표 위치 손실;특징 임베딩;다중 헤드 자가주의