改进YOLOv5的闪电哨声波轻量化自动检测模型

Abstract

提出一种改进YOLOv5(You-Only-Look-Once version 5)检测模型YOLOv5-Upgraded. 为了更快定位真实边框, 该模型将损失函数CIoU (Complete IoU)替换为SIoU(Scylla IoU); 同时为了避免网络训练过程中梯度消失、梯度爆炸以及神经元坏死等现象, 将激活函数SiLU(Sigmoid-weighted Linear Unit)替换为具有更好梯度流的Mish; 在主干网络中插入注意力 (Coordinate Attention, CA)机制, 帮助模型更精准地识别闪电哨声波, 大大降低了漏检率. 基于张衡一号感应磁力仪(Search Coil Magnetometer, SCM)数据, 以2.4 s时间窗口截取数据, 经带通滤波、短时傅里叶变换得到1126张时频图数据集, 再经图像增强操作扩充至7882张, 其中7091张作为训练集, 791张作为测试集. 实验结果表明, 基于改进YOLOv5的模型平均精度均值为99.09%, 召回率为96.20%, 与YOLOv5s相比, 分别提升了2.75%和5.07%, 与基于时频图的YOLOv3模型相比, 平均精度均值和召回率则分别提高了5.89%和9.62%. 基于智能语音的LSTM (Long Short Term Memory Networks)闪电哨声波识别模型大小为82.89 MB, YOLOv5-Upgraded仅为13.78 MB, 约节省83.38%的内存资源. 研究表明改进后的轻量化模型大大降低了闪电哨声波的漏检现象, 在测试集中取得了较好结果, 并且其轻量化特征易于部署到卫星设备, 极大地提高了星载识别的可能性.

Keywords

• 张衡一号卫星
• 闪电哨声波
• YOLOv5
• 轻量化
• 自动检测