基于深度学习的弹药部件分类
计算机视觉与模式识别
2022-08-30 v1
摘要
弹药废料检测是弹药金属废料回收过程中必不可少的一步。大多数弹药由若干部件组成，包括弹壳、底火、火药和弹丸。含能弹药废料被视为潜在危险物，应在回收前分离。人工逐件检测废料繁琐且耗时。我们收集了一个弹药部件数据集，旨在应用人工智能自动分类安全和不安全废料件。首先，从弹药的可见光与 X 射线图像手动创建两个训练数据集。其次，使用直方图均衡化、平均、锐化、幂律和高斯模糊的空间变换对 X 射线数据集进行增广，以弥补训练数据不足。最后，应用具代表性的 YOLOv4 目标检测方法检测弹药部件并将废料件分别分类为安全和不安全两类。训练后的模型在未见数据上测试以评估所应用方法的性能。实验证明了利用深度学习进行弹药部件检测与分类的可行性。数据集与预训练模型见 https://github.com/hadi-ghnd/Scrap-Classification。
引用
@article{arxiv.2208.12863,
title = {Ammunition Component Classification Using Deep Learning},
author = {Hadi Ghahremannezhad and Chengjun Liu and Hang Shi},
journal= {arXiv preprint arXiv:2208.12863},
year = {2022}
}
备注
Conference: International Conference on Machine Learning and Data Mining MLDM 2022 link: http://www.ibai-publishing.org/html/proceedings_2022/pdf/proceedings_mldm_2022.pdf ISBN: 978-3-942952-93-4