摘要
西北荒漠地区大风天气频繁发生,低空风向突然切变,对飞机起降过程构成巨大的安全威胁。因此,对低空风切变准确识别和有效监控是保证航空安全的关键任务之一。低空风切变检测通过从气象激光雷达采集的测风数据,使用智能算法提取关键特征,计算学习出现风切变的雷达特征信号,进行准确判断风切变出现的位置和时间。针对现有风切变检测算法存在风切变特征提取不准确、检测精度不理想、计算量庞大的问题,结合测风数据存在空间信息提取困难、检测目标小、多通道等特点,提出一种WS-YOLO算法。该算法模型采用CoordConv卷积模块作为主干网络,提取风切变发生区域的空间信息,在头部网络中引入CBAM注意力机制,实现对通道和空间两个维度上的注意力调节,提取多通道和空间多个特征信息。通过引入SPPFCSPC金字塔池化模块来解决算法在提取图像相似特征时容易混淆的问题,同时降低了算法的复杂度。通过该算法模型处理西部某机场连续2年激光雷达测风数据的实验结果显示,所提方法较YOLOv7方法,平均识别精度提高了11.1个百分点,F1分数提高了9.3个百分点,算法计算时间降低了20.7个百分点。证明了该算法在检测低空风切变问题的有效性。
出处
《物联网技术》
2025年第16期107-113,共7页
Internet of things technologies
基金
宁夏重点研发项目(2023BEG03059)
宁夏自然科学基金(2023AAC03128)。
