阵地目标毁伤检测系统开题报告

全文总字数：3032字

1. 研究目的与意义（文献综述）

随着科学技术的快速发展，现代战争形态已经由传统的机械化逐步转向信息化，而随着反导系统等防御设备的进化，军事目标的抗击能力得到加强，使其很难在一轮或者几轮波次的进攻中被摧毁，因此，在一轮打击完成后，有必要获取目标的毁伤程度，从而决策是否还需要对该目标进行下一轮打击。及时、准确的打击效果评估信息已成为信息化战争中一类必不可少的信息，它一定程度上影响着指挥决策和战争进程，因此，快速而准确的目标毁伤检测系统的研究得到越来越多的重视。

美军在此领域处于世界领先地位，有人机、无人机、遥感卫星等多种装备所赋予了其强大信息侦察能力。获取战场实时信息后，通过通信联络系统快速地传输给评估系统，最后将评估结果用于下一步作战计划的制定。现今国际上的打击效果评估技术基本上都是通过此类方法进行的。

我国经过长期的发展，在信息侦察领域，随着“尖兵”、“北斗”等卫星的应用，侦察、导航、通信等方面已经取得了较大的突破，为毁伤效果评估提供了信息保障。另一方面，许多科研院也发表著作[9][10][11]，对几类典型目标毁伤检测系统进行了研究，推动了国内该技术的发展。

2. 研究的基本内容与方案

本次设计的基本内容包括：（1）寻找数据集与公开网站上爬取阵地相关武器装备图像，对图像中目标装备，如坦克、武装直升机与士兵等的位置和类型信息进行标注。（2）针对可见光，基于现有的对象检测和识别方法，设计一种基于卷积神经网络的可见光对象检测与识别模型，利用标注数据集训练模型并验证该模型的有效性。（3）编写图形化交互演示系统。

本设计的目标为：基于自建数据集，构建以卷积神经网络为基础的阵地目标毁伤检测系统，对于常见陆军阵地军事目标毁伤情况进行快速准确的评估。

本设计拟采用的技术方案：以本地机、云服务器ai studio为实验平台，faster r-cnn[3]、yolo-v3[5]等算法为基础，针对建立数据集进行修改与优化，设计出最快速、准确的区域生成、目标检测模型。使用qt构建演示系统，模型训练完成并得到较优秀验证正确率后，在演示系统上通过对网络上包含训练目标的战区实景图进行识别，检测系统的有效性。目标装备包含士兵、坦克、武装直升机，毁伤程度包括未毁伤、已起火。

3. 研究计划与安排

2019.3.23—2019.5.1：建立数据集，选取神经网络模型并训练，建立演示系统、进行系统测试、分析、比较与完善；

2019.5.1—2019.5.22：撰写论文初稿；修改论文，定稿并提交论文评审；

2019.5.23—2019.6.7：准备论文答辩。

4. 参考文献（12篇以上）

[1]girshick r , donahue j , darrell t , et al. region-based convolutionalnetworks for accurate object detection and segmentation[j]. ieee transactionson pattern analysis machine intelligence, 2015, 38(1):142-158.

[2]ross girshick. fast r-cnn [j]. international conference on computervision (iccv) 2015：1440-1448.

[3]shaoqing ren, kaiming he, ross girshick, et al. faster r-cnn: towardsreal-time object detection with region proposal networks[j]. ieee transactionson pattern analysis machine intelligence, 2015, 39(6):1137-1149.