MSAFCNN烟尘偏振检测网络

烟尘中识别率达99%

利用偏振信息差异，该网络能在烟雾干扰下稳定区分目标与烟尘回波，大幅降低虚警率。

徐孝彬 · Qu, Qinyang · Haojie, Zhang · Jiali, Wang · Wu, Jialin · Ran, Yingying · Tan, Zhiying

ISPRS Journal of Photogrammetry and Remote Sensing 2023

参数信息

识别准确率

99.085 %

识别准确率（1 GHz 采样率）

99.348 %

识别准确率（500 MHz 采样率）

98.910 %

识别准确率提升幅度（消融实验）

1.381 %

算法参数量

125.273 KB

技术优势

抑制烟雾误报

利用目标与烟雾的偏振特性差异，从回波中分离真实目标信号，而不是仅依赖强度阈值。

模型轻量化

参数量仅125.273 KB，可部署到资源受限的机载或嵌入式平台，无需高性能计算设备。

准确率最高

与多种先进算法对比，本方法识别准确率达99.085%，且通过消融实验验证网络结构有效提升1.381%。

应用场景

• 激光雷达目标检测：在烟雾等低能见度下仍能准确区分目标与干扰，降低虚警，提升检测可靠性。
• 无人机避障感知：轻量模型可嵌入无人机机载处理器，在烟雾中实时识别障碍物，保障飞行安全。
• 移动机器人环境感知：为移动机器人在火灾、烟雾场景提供可靠的感知能力，避免因误判导致任务失败。
• 工业安全监控：在工业烟雾环境中监测目标或人员，减少烟雾引起的误报，提高安全监控效率。
• 烟雾环境传感器：该算法可作为烟雾环境传感器的核心识别模块，提升其对目标回波的判别能力。