CN112129164A - 一种武器站智能辅助决策系统架构 - Google Patents

一种武器站智能辅助决策系统架构 Download PDF

Info

Publication number
CN112129164A
CN112129164A CN202011006875.4A CN202011006875A CN112129164A CN 112129164 A CN112129164 A CN 112129164A CN 202011006875 A CN202011006875 A CN 202011006875A CN 112129164 A CN112129164 A CN 112129164A
Authority
CN
China
Prior art keywords
target
module
weapon
decision
intelligent
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011006875.4A
Other languages
English (en)
Other versions
CN112129164B (zh
Inventor
毛保全
李元超
杨雨迎
韩小平
常雷
朱锐
宋瑞亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Academy of Armored Forces of PLA
Original Assignee
Academy of Armored Forces of PLA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Academy of Armored Forces of PLA filed Critical Academy of Armored Forces of PLA
Priority to CN202011006875.4A priority Critical patent/CN112129164B/zh
Publication of CN112129164A publication Critical patent/CN112129164A/zh
Application granted granted Critical
Publication of CN112129164B publication Critical patent/CN112129164B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41A—FUNCTIONAL FEATURES OR DETAILS COMMON TO BOTH SMALLARMS AND ORDNANCE, e.g. CANNONS; MOUNTINGS FOR SMALLARMS OR ORDNANCE
    • F41A33/00—Adaptations for training; Gun simulators
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F41—WEAPONS
    • F41A—FUNCTIONAL FEATURES OR DETAILS COMMON TO BOTH SMALLARMS AND ORDNANCE, e.g. CANNONS; MOUNTINGS FOR SMALLARMS OR ORDNANCE
    • F41A35/00—Accessories or details not otherwise provided for
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Aiming, Guidance, Guns With A Light Source, Armor, Camouflage, And Targets (AREA)

Abstract

本发明公开了一种武器站智能辅助决策系统架构，包括应用层、训练层、模块层以及知识层四层架构与系统的外部接口设计组成；所述应用层包括功能显示窗口，其由目标数据、威胁程度、推荐武器、毁伤效果四者组成，所述应用层是最终在武器站火控系统操控终端上的功能显示窗户；所述训练层包括自学习训练系统，该武器站智能辅助决策系统利用智能化、模块化的思想，将目标识别跟踪、目标威胁排序、武器决策以及目标毁伤评估等功能分别建立一个模块，利用规范化的接口将这四个功能模块融合为一个整体，通过系统的外部接口与武器站的火控、观瞄系统进行连接，构成完整的系统架构，为操纵者实现智能化打击提供全链路辅助决策信息。

Description

一种武器站智能辅助决策系统架构
技术领域
本发明涉及智能辅助系统技术领域，具体为一种武器站智能辅助决策系统架构。
背景技术
智能辅助决策系统是管理决策科学、运筹学、计算机科学与人工智能相结合的产物，利用专家系统技术，预先把专家的决策经验整理成计算机语言，组织在知识库中，通过逻辑推理来模拟专家的决策思维，从而解决一些现实问题的智能系统。
武器站智能辅助决策系统针对的对象是单个作战平台，为武器站操纵者提供从目标识别、威胁判断、武器决策以及毁伤评估等全链路辅助决策信息，而且可利用自学习训练平台对人工决策数据进行深度学习，操作方式也实现了从有人操控和有人委派向有人监督和全自主操作逐步过渡
目前智能辅助决策系统广泛应用于社会各个领域，在军事领域，现有的智能辅助决策系统主要针对多个平台协同的作战指挥系统，辅助的对象是指挥员，为指挥员在情报处理、战场态势和作战指挥等方面提供决策支持。但是由于战场环境实时变化，难以量化的各类因素成为智能决策的最大障碍，目前辅助决策的准确性和效率比较低。
发明内容
本发明的目的在于提供一种武器站智能辅助决策系统架构，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种武器站智能辅助决策系统架构，包括应用层、训练层、模块层以及知识层四层架构与系统的外部接口设计组成；
所述应用层包括功能显示窗口，其由目标数据、威胁程度、推荐武器、毁伤效果四者组成，所述应用层是最终在武器站火控系统操控终端上的功能显示窗户；
所述训练层包括自学习训练系统，其由有标注数据、未标注数据、人工决策、决策模型以及通用特征生成模型五者组成，所述训练层是指自学习训练系统，这是整个系统智能化的核心部分，学习过程可以采用监督学习和自主学习相结合的机器学习手段来完成；
所述模块层包括模型信息平台，其由数据接入模块、图像处理模块、目标识别模块、威胁排序模块、武器决策模块以及毁伤评估模块六者组成，所述模块层是模型的信息平台，所述模块层可以接入数据，更新各模块的模型信息，便于提高每个模块的决策准确性；
所述知识层包括智能辅助决策支撑知识库，其由目标特征库、武器信息库、目标知识、算法库以及战场环境五者组成，所述知识层是指智能辅助决策支撑知识库，该知识库主要基于知识图谱技术，实现对武器信息、智能算法、目标知识、目标特性以及战场环境先验知识的统一组织与管理功能。
优选的，该系统工作过程包括：数据接入汇集模块、图像预处理、目标的识别与定位、目标的跟踪、目标威胁排序、武器决策、目标毁伤判定步骤组成。
优选的，所述数据接入模块实现对光电转塔姿态信息、及激光测距机输出的目标距离信息、红外序列图像、可见光序列图像数据的统一接入汇集、编码处理功能。
优选的，所述图像处理模块可以实现对可见光、红外序列图像数据的去噪滤波、增强、彩色化、异常帧剔除预处理功能。
优选的，所述目标的识别模块通过对获取红外、可见光序列图像进行融合处理、特征提取，采用机器学习算法，并融合地理空间坐标信息，实现对目标的搜索、识别和定位功能。
优选的，所述目标的识别模块对检测的目标数据进行判定，如果是为动目标，向目标跟踪模块发出连续跟踪指令，获取动目标数据。
优选的，所述目标威胁排序模块基于智能辅助决策支撑知识库中的目标知识信息，依据获得的目标数据，利用合适的评估模型，对目标进行危险等级判定与排序。
优选的，所述武器决策模块基于目标威胁等级与排序的结果，结合智能辅助决策支撑知识库中的武器信息、目标知识、战场环境，采用智能算法，实现目标打击武器智能推荐功能。
优选的，所述目标毁伤评估模块基于智能辅助决策支撑知识库中的目标知识和特征信息，通过对打击前后的序列图像目标变化情况的分析，结合毁伤判定准则实现对打击后的目标进行毁伤程度的计算和判定功能。
优选的，所述系统的外部接口设计主要接收观瞄系统采集的姿态信息、距离信息和图像数据，通过自身的分析与处理，不断与火控系统进行信息交换，实现辅助决策功能。
与现有技术相比，本发明的有益效果是：
1、武器站智能辅助决策系统利用智能化、模块化的思想，将目标识别跟踪、目标威胁排序、武器决策以及目标毁伤评估等功能分别建立一个模块，利用规范化的接口将这四个功能模块融合为一个整体，通过系统的外部接口与武器站的火控、观瞄系统进行连接，构成完整的系统架构，为操纵者实现智能化打击提供全链路辅助决策信息；
2、武器站智能辅助决策系统是一个闭环决策系统，利用自学习训练系统，可以进行模型的线下训练。通过把操纵者的人工决策结果与系统的辅助决策结果的数据输入到训练系统中，不断比对自主决策的输出和人工决策的输入，进行自学习训练和特征提取，再反馈给每个模块，进行模型优化，达到提高辅助决策效率和准确率的目的。
附图说明
图1为本发明的智能辅助决策系统的工作原理图；
图2为本发明的智能辅助决策系统的信息流程图；
图3为本发明的智能辅助决策系统的系统架构图；
图4为本发明的自学习训练流程图；
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至图4，本发明提供一种技术方案：一种武器站智能辅助决策系统架构，包括应用层、训练层、模块层以及知识层四层架构与系统的外部接口设计组成；
所述应用层包括功能显示窗口，其由目标数据、威胁程度、推荐武器、毁伤效果四者组成，所述应用层是最终在武器站火控系统操控终端上的功能显示窗户；
所述训练层包括自学习训练系统，其由有标注数据、未标注数据、人工决策、决策模型以及通用特征生成模型五者组成，所述训练层是指自学习训练系统，这是整个系统智能化的核心部分，学习过程可以采用监督学习和自主学习相结合的机器学习手段来完成，如图4所示，首先，通过人工标注可以获得一批有标识的数据，主要包括对目标的图像和目标类型等对应信息，以及针对不同的决策因素，操纵者的人工决策数据，其次就是未标注数据，这部分是在战场环境下得到的实时数据，尽管可以不断的获取更多的数据，也很难对这些新数据进行全面的标注。在本框架中，所有的数据(标注和非标注)被收集到一起，然后通过非监督学习的方式来学习出通用的低维表达。基于新一代的深度学习方法来实现更加有效的数据降维，而且提供的表达和基于深度网络的监督学习高度兼容。有了这样的通用表达之后，将标注数据转换为标注数据特征，在此基础上，协同这些数据所带的特征进行最终的任务模型学习。随着系统学习数据的增多和学习能力的不断提升，其学习模型的准确率也会相应提升；
如图3所示，所述模块层包括模型信息平台，其由数据接入模块、图像处理模块、目标识别模块、威胁排序模块、武器决策模块以及毁伤评估模块六者组成，所述模块层是模型的信息平台，所述模块层可以接入数据，更新各模块的模型信息，便于提高每个模块的决策准确性；
所述知识层包括智能辅助决策支撑知识库，其由目标特征库、武器信息库、目标知识、算法库以及战场环境五者组成，所述知识层是指智能辅助决策支撑知识库，该知识库主要基于知识图谱技术，实现对武器信息、智能算法、目标知识、目标特性以及战场环境先验知识的统一组织与管理功能。
如图2所示，该系统工作过程包括：数据接入汇集模块、图像预处理、目标的识别与定位、目标的跟踪、目标威胁排序、武器决策、目标毁伤判定步骤组成，所述数据接入模块实现对光电转塔姿态信息、及激光测距机输出的目标距离信息、红外序列图像、可见光序列图像数据的统一接入汇集、编码处理功能，所述图像处理模块可以实现对可见光、红外序列图像数据的去噪滤波、增强、彩色化、异常帧剔除预处理功能，所述目标的识别模块通过对获取红外、可见光序列图像进行融合处理、特征提取，采用机器学习算法，并融合地理空间坐标信息，实现对目标的搜索、识别和定位功能，所述目标的识别模块对检测的目标数据进行判定，如果是为动目标，向目标跟踪模块发出连续跟踪指令，获取动目标数据，所述目标威胁排序模块基于智能辅助决策支撑知识库中的目标知识信息，依据获得的目标数据，利用合适的评估模型，对目标进行危险等级判定与排序，所述武器决策模块基于目标威胁等级与排序的结果，结合智能辅助决策支撑知识库中的武器信息、目标知识、战场环境，采用智能算法，实现目标打击武器智能推荐功能，所述目标毁伤评估模块基于智能辅助决策支撑知识库中的目标知识和特征信息，通过对打击前后的序列图像目标变化情况的分析，结合毁伤判定准则实现对打击后的目标进行毁伤程度的计算和判定功能，
所述系统的外部接口设计主要接收观瞄系统采集的姿态信息、距离信息和图像数据，通过自身的分析与处理，不断与火控系统进行信息交换，实现辅助决策功能，如下表所示：
Figure BDA0002696238950000061
Figure BDA0002696238950000071
本发明目的在于提供一种武器站智能辅助决策系统架构，该武器站智能辅助决策系统利用智能化、模块化的思想，将目标识别跟踪、目标威胁排序、武器决策以及目标毁伤评估等功能分别建立一个模块，利用规范化的接口将这四个功能模块融合为一个整体，通过系统的外部接口与武器站的火控、观瞄系统进行连接，构成完整的系统架构，为操纵者实现智能化打击提供全链路辅助决策信息；
武器站智能辅助决策系统是一个闭环决策系统，利用自学习训练系统，可以进行模型的线下训练。通过把操纵者的人工决策结果与系统的辅助决策结果的数据输入到训练系统中，不断比对自主决策的输出和人工决策的输入，进行自学习训练和特征提取，再反馈给每个模块，进行模型优化，达到提高辅助决策效率和准确率的目的。
工作流程：
如图1所示，首先，利用目标识别模块来搜索对地或者对空目标，将目标的信息生成结构化的数据，其中包括：目标的类型、攻击状态、目标运动特性等[9]；随后这些数据传递到综合信息接口的决策模块进行分析。决策模块通过分析各类目标在体系作战中的关键作用、相互联系和依存关系及对我作战行动的威胁程度，来进行威胁排序，确定目标的价值，首选威胁程度大的目标进行打击；然后，依据目标的机动能力、外部形态、薄弱部位、隐蔽性、防护程度和毁伤要求，确定目标的抗毁性，以此来选择武器和弹药；再通过对比打击目标前后的图像信息，对目标的毁伤效果进行评估，提供是否需要二次打击的辅助信息；最后，由操纵者根据辅助决策结果，进行人工确认，完成目标的打击
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种武器站智能辅助决策系统架构，其特征在于：包括应用层、训练层、模块层以及知识层四层架构与系统的外部接口设计组成；
所述应用层包括功能显示窗口，其由目标数据、威胁程度、推荐武器、毁伤效果四者组成，所述应用层是最终在武器站火控系统操控终端上的功能显示窗户；
所述训练层包括自学习训练系统，其由有标注数据、未标注数据、人工决策、决策模型以及通用特征生成模型五者组成，所述训练层是指自学习训练系统，这是整个系统智能化的核心部分，学习过程可以采用监督学习和自主学习相结合的机器学习手段来完成；
所述模块层包括模型信息平台，其由数据接入模块、图像处理模块、目标识别模块、威胁排序模块、武器决策模块以及毁伤评估模块六者组成，所述模块层是模型的信息平台，所述模块层可以接入数据，更新各模块的模型信息，便于提高每个模块的决策准确性；
所述知识层包括智能辅助决策支撑知识库，其由目标特征库、武器信息库、目标知识、算法库以及战场环境五者组成，所述知识层是指智能辅助决策支撑知识库，该知识库主要基于知识图谱技术，实现对武器信息、智能算法、目标知识、目标特性以及战场环境先验知识的统一组织与管理功能；
2.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：该系统工作过程包括：数据接入汇集模块、图像预处理、目标的识别与定位、目标的跟踪、目标威胁排序、武器决策、目标毁伤判定步骤组成。
3.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述数据接入模块实现对光电转塔姿态信息、及激光测距机输出的目标距离信息、红外序列图像、可见光序列图像数据的统一接入汇集、编码处理功能。
4.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述图像处理模块可以实现对可见光、红外序列图像数据的去噪滤波、增强、彩色化、异常帧剔除预处理功能。
5.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述目标的识别模块通过对获取红外、可见光序列图像进行融合处理、特征提取，采用机器学习算法，并融合地理空间坐标信息，实现对目标的搜索、识别和定位功能。
6.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述目标的识别模块对检测的目标数据进行判定，如果是为动目标，向目标跟踪模块发出连续跟踪指令，获取动目标数据。
7.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述目标威胁排序模块基于智能辅助决策支撑知识库中的目标知识信息，依据获得的目标数据，利用合适的评估模型，对目标进行危险等级判定与排序。
8.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述武器决策模块基于目标威胁等级与排序的结果，结合智能辅助决策支撑知识库中的武器信息、目标知识、战场环境，采用智能算法，实现目标打击武器智能推荐功能。
9.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述目标毁伤评估模块基于智能辅助决策支撑知识库中的目标知识和特征信息，通过对打击前后的序列图像目标变化情况的分析，结合毁伤判定准则实现对打击后的目标进行毁伤程度的计算和判定功能。
10.根据权利要求1所述的一种武器站智能辅助决策系统架构，其特征在于：所述系统的外部接口设计主要接收观瞄系统采集的姿态信息、距离信息和图像数据，通过自身的分析与处理，不断与火控系统进行信息交换，实现辅助决策功能。
CN202011006875.4A 2020-09-23 2020-09-23 一种武器站智能辅助决策系统架构 Active CN112129164B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011006875.4A CN112129164B (zh) 2020-09-23 2020-09-23 一种武器站智能辅助决策系统架构

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011006875.4A CN112129164B (zh) 2020-09-23 2020-09-23 一种武器站智能辅助决策系统架构

Publications (2)

Publication Number Publication Date
CN112129164A true CN112129164A (zh) 2020-12-25
CN112129164B CN112129164B (zh) 2022-09-27

Family

ID=73842658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011006875.4A Active CN112129164B (zh) 2020-09-23 2020-09-23 一种武器站智能辅助决策系统架构

Country Status (1)

Country Link
CN (1) CN112129164B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593333A (zh) * 2021-05-20 2021-11-02 中国人民解放军总参谋部第六十研究所 一种应用于实兵交战训练的建筑物模拟器
CN115092363A (zh) * 2022-07-14 2022-09-23 武汉华之洋科技有限公司 一种分布式智能侦察打击一体化系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6360193B1 (en) * 1998-09-17 2002-03-19 21St Century Systems, Inc. Method and system for intelligent agent decision making for tactical aerial warfare
CN108181817A (zh) * 2018-01-15 2018-06-19 中国人民解放军陆军装甲兵学院 火控系统建模方法
CN108229685A (zh) * 2016-12-14 2018-06-29 中国航空工业集团公司西安航空计算技术研究所 一种空地一体的无人智能决策方法
CN109099779A (zh) * 2018-08-31 2018-12-28 江苏域盾成鹫科技装备制造有限公司 一种无人机侦测与智能拦截系统
CN110068250A (zh) * 2019-03-21 2019-07-30 南京砺剑光电技术研究院有限公司 轻武器射击训练智慧靶场系统
CN110782481A (zh) * 2019-10-18 2020-02-11 华中光电技术研究所（中国船舶重工集团有限公司第七一七研究所） 无人艇智能决策方法及系统
CN111080144A (zh) * 2019-12-20 2020-04-28 西安靖轩航空科技有限公司 一种智能感知的机场保障能力实时评估系统及评估方法
CN111221799A (zh) * 2019-12-16 2020-06-02 广州科腾信息技术有限公司 一种it知识智能运营管理系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6360193B1 (en) * 1998-09-17 2002-03-19 21St Century Systems, Inc. Method and system for intelligent agent decision making for tactical aerial warfare
CN108229685A (zh) * 2016-12-14 2018-06-29 中国航空工业集团公司西安航空计算技术研究所 一种空地一体的无人智能决策方法
CN108181817A (zh) * 2018-01-15 2018-06-19 中国人民解放军陆军装甲兵学院 火控系统建模方法
CN109099779A (zh) * 2018-08-31 2018-12-28 江苏域盾成鹫科技装备制造有限公司 一种无人机侦测与智能拦截系统
CN110068250A (zh) * 2019-03-21 2019-07-30 南京砺剑光电技术研究院有限公司 轻武器射击训练智慧靶场系统
CN110782481A (zh) * 2019-10-18 2020-02-11 华中光电技术研究所（中国船舶重工集团有限公司第七一七研究所） 无人艇智能决策方法及系统
CN111221799A (zh) * 2019-12-16 2020-06-02 广州科腾信息技术有限公司 一种it知识智能运营管理系统
CN111080144A (zh) * 2019-12-20 2020-04-28 西安靖轩航空科技有限公司 一种智能感知的机场保障能力实时评估系统及评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈哨东等: "论航空火力控制系统的智能化", 《火力与指挥控制》, no. 08, 15 August 2020 (2020-08-15) *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113593333A (zh) * 2021-05-20 2021-11-02 中国人民解放军总参谋部第六十研究所 一种应用于实兵交战训练的建筑物模拟器
CN113593333B (zh) * 2021-05-20 2022-12-06 中国人民解放军总参谋部第六十研究所 一种应用于实兵交战训练的建筑物模拟器
CN115092363A (zh) * 2022-07-14 2022-09-23 武汉华之洋科技有限公司 一种分布式智能侦察打击一体化系统及方法

Also Published As

Publication number Publication date
CN112129164B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
US20220197281A1 (en) Intelligent decision-making method and system for unmanned surface vehicle
CN112129164B (zh) 一种武器站智能辅助决策系统架构
CN113435644B (zh) 基于深度双向长短期记忆神经网络的突发事件预测方法
CN107506022B (zh) 一种有人/无人协同班组辅助指挥系统
CN106952293A (zh) 一种基于非参数在线聚类的目标跟踪方法
CN113688797A (zh) 一种基于骨架提取的异常行为识别方法及系统
CN107967449B (zh) 一种基于广义证据理论的多光谱图像未知目标识别方法
CN110825112B (zh) 基于多无人机的油田动态侵入目标追踪系统与方法
CN112332541A (zh) 一种用于变电站的监测系统和方法
CN116245871A (zh) 基于改进yolox算法的输电线路异常目标检测方法
CN109117852B (zh) 基于稀疏表示的无人机图像适配区自动提取方法及系统
CN115909027A (zh) 一种态势估计方法及装置
CN109934302B (zh) 新类别识别方法和基于模糊理论和深度学习的机器人系统
CN113111721B (zh) 基于多无人机视角图像数据驱动的人体行为智能识别方法
CN113419140B (zh) 一种考虑人机物协同的配网线路故障诊断方法及装置
CN209993011U (zh) 一种低功耗在线热红外目标识别装置
CN114445688A (zh) 一种分布式多相机球形无人系统目标检测方法
CN113989630B (zh) 一种基于语义分析的镜头遮挡判别方法
Na et al. Multi-attention YOLOv5 for Recognition of Abnormal Helmets Wearing in Power Stations
Tang et al. The role of 5G network image information based on deep learning in UAV prediction target trajectory tracking
Dubetsky et al. Military Uniform Identification for Search And Rescue (SAR) through Machine Learning
Lu et al. An Edge Porting Method for Object Detection Networks Based on Knowledge Distillation
Tran et al. A concurrent fuzzy-neural network approach for decision support systems
Lei et al. Research on indoor robot navigation algorithm based on deep reinforcement learning
Yi et al. Research on Design of Photoelectric Turntable for Autonomous Reconnaissance

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant