基金supported in part by the Shanghai Aerospace Science and Technology Innovation Foundation(No.SAST 2021-026)the Fund of Prospec⁃tive Layout of Scientific Research for Nanjing University of Aeronautics and Astronautics(NUAA).
文摘随着空间技术的飞速发展,空间态势感知能力需求不断增加。与传统光学传感器相比,逆合成孔径雷达(Inverse synthetic aperture radar,ISAR)具有全天候、远距离高分辨率成像的能力,且成像不受光照条件的影响。此外,空间态势感知系统需要对周围航天器进行准确的评估,因此对空间目标部件识别能力的需求日益迫切。本文提出了一种基于YOLOv5结构的Multitask⁃YOLO网络,用于卫星ISAR图像中卫星帆板的识别和分割。首先,本文添加了分割解耦头来实现网络的分割功能。然后用空间金字塔池快速算法(Spatial pyramid pooling fast,SPPF)和距离交并比算法(Distance intersection over union,DIoU)代替原有结构,避免图像失真,加快收敛速度。通过在通道中引入注意机制,提高了分割和识别的准确性。最后使用模拟卫星的ISAR图像进行实验。结果表明,所提出的Multitask⁃YOLO网络高效、准确地实现了部件的识别和分割。与其他的识别和分割网络相比,该网络的平均精度(mean Average precision,mAP)和平均交并比(mean Intersection over union,mIoU)提高了约5%。此外,该网络的运行速度高达16.4 GFLOP,优于传统的多任务网络的性能。
