Для улучшения точности выявления опасных целей системы мониторинга интеллектуальной сети в условиях сложного освещения в этой работе предложен метод обнаружения, объединяющий двойную модальность степени поляризации и интенсивности поляризованного света. Во-первых, разработана сеть двойного слияния признаков с помощью плотного сверточного модуля для извлечения признаков изображения интенсивности поляризации и изображения степени поляризации, чтобы усилить способность сохранения поверхностной информации. В то же время введен механизм совместного внимания пространственного-канального, чтобы установить зависимости признаков в пространственных и канальных измерениях, тем самым улучшить способность модели выбирать агрегированные выбранные признаки. Наконец, введена многомасштабная адаптивная функция потерь структурной сходства и разработан метод взвешивания для оптимизации качества создания ссылочного изображения, улучшения структурной достоверности и явной видимости целей объединения, дополнительно повышая его качество. Экспериментальные результаты показывают, что предложенный в этом исследовании метод проявляет значительное улучшение производительности по сравнению с текущими передовыми алгоритмами объединения изображений в различных оценочных показателях. В то же время дальнейшие эксперименты путем выключения подтверждают действенность и практичность сетевых модулей и функций потерь. С использованием метода исследования в данном исследовании сгенерированное объединенное изображение достигло точности определения целей 91,5% на самостоятельно собранном наборе данных обнаружения целей, и в то же время показатель mAP@0,5 также достиг 0,916, превосходя компаративные методы в объективной оценке, улучшая точность последующей сети обнаружения целей.

Power Inspection;machine vision;polarization imaging;image fusion;object detection