【技术实现步骤摘要】
本专利技术属于航天器特征部件目标检测领域，具体涉及一种基于改进yolov8的低照度航天器特征部件检测方法，对航天器的特征部件进行分类和定位。
技术介绍
1、在现代科技和工业应用中，多智能体系统正在日益受到重视。这种系统包括许多自主的、相互作用的智能体，它们协同工作以达到共同的优化目标。多智能体分布式优化是一种关键技术，用于解决资源分配、任务调度、网络数据分析等问题。在分布式优化中，每个智能体只能访问局部信息或部分系统数据，它们必须通过网络进行通信并协作解决整体优化问题。这种方式的优势在于能够提升系统的可扩展性和鲁棒性，降低对中心控制器的依赖。此外，分布式方法可以有效减少通信负载，提高处理速度。因此，它已被广泛应用在能源系统管理、无人机群协调和网络安全等多个领域。
2、专利cn115205467 a 提出一种基于轻量化和注意力机制的空间目标部件识别方法，该专利使用三维仿真软件自建空间图像数据集，使用基于通道稀疏训练的轻量化网络模型来实现五中空间目标特征部件的识别。该方法未考虑由于空间环境中复杂光照条件产生的图像低照度问题，这会在一定程度上影响目标检测算法的检测精度。
3、因此考虑低照度条件下的航天器特征部件检测任务具有重要的现实意义。
技术实现思路
1、为解决上述问题，本专利技术公开了一种基于改进yolov8的低照度航天器特征部件检测方法。
2、为达到上述目的，本专利技术的技术方案如下：
3、一种基于改进yolov8的低照度航天器特征部
4、步骤(1)、使用仿真软件生成低照度航天器特征部件图像数据；
5、步骤(2)、将步骤(1)中生成的低照度航天器特征部件图片图像，使用基于pca的图像增强方法进行数据集增强，得到增强后的航天器图像数据集。然后使用标注软件进行部件类别和位置的标注，用于后续基于改进yolov8的目标检测算法的训练和测试；
6、步骤(3)、使用全局注意力机制(gam)对目标检测算法yolov8进行优化，得到基于改进yolov8的目标检测模型。使用增强后的航天器图像数据集对改进的目标检测模型进行训练，保留测试集中检测精度(map)最高的权重作为算法权重；
7、步骤(4)、将步骤(3)获得的算法权重作为测试时的权重，加载航天器特征部件测试数据集，进行部件识别，输出待检测图像的预测类别和目标位置。
8、上述步骤(1)中的通过仿真软件生成的低照度航天器图像，主要过程包括航天器模型导入、光照参数设置、相机成像约束设置。
9、上述步骤(2)的图像数据集增强过程，主要包括使用基于pca的方法对步骤(1)中生成的低照度图像进行处理，提升数据集质量。然后使用标注软件进行图像中目标的标签类别和位置标注。
10、上述步骤(3)的目标检测模型的优化，主要包括使用全局注意力机制(gam)对算法进行改进，提升算法对各类特征的提取和分析能力，以实现检测精度的提升。
11、本专利技术提出了一种基于改进yolov8的低照度航天器特征部件检测方法。相对于现有的航天器目标识别方法，重点考虑了复杂光照条件所引起的图像数据低照度问题，使用图像增强技术对低照度图像数据进行处理后，可显著增强目标检测算法对航天器特征部件的检测精度。因此针对低照度航天器特征部件检测方法的研究具有重要的现实意义。
本文档来自技高网...【技术保护点】
1.一种基于改进YOLOv8的低照度航天器特征部件检测方法，用于对航天器的特征部件进行检测，其特征在于，使用PCA的图像增强方法对低照度环境下的航天器图像进行数据增强，使目标检测对光照条件较差的数据具有较高的处理能力；具体包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：所述步骤(2)中使用基于PCA的图像增强方法对低照度航天器特征部件图像数据进行优化；其中，结合Retinex的反射系数，观测到的图像是一个二维信号，表示为I(x,y)，其值为图像在现有坐标点(x,y)处的亮度值，二维信号看作是照度L(x,y)和反射系数R(x,y)的组合，即:
3.根据权利要求2所述的方法，其特征在于：所述步骤(2)具体为：首先，将输入的图像RGB调整为色调、饱和度和值HSV空间；然后，为了计算图像的反射模型，对照度进行提取；为此，利用加权引导滤波WGF方法从图像中提取照度；加权引导滤波估计的照度模型如下:
4.根据权利要求3所述的方法，其特征在于：图像增强后的图像数据使用图像标注软件进行标注，并按照8：2的比例划分为训练集和测试集。
5.根
6.根据权利要求5所述的方法，其特征在于：所述全局注意力机制GAM采用了顺序的通道-空间注意力机制，重新设计不同维度特征提取的子模块；在具体操作时，通道注意力模块使用三维排列来获取跨越三个维度的特征信息，然后使用一个两层的多层感知机来增强跨纬度通道-空间依赖性；针对空间维度的信息，采用两个卷积层来进行信息提取与融合，同时摒弃会造成信息丢失的池化运算。
...【技术特征摘要】
1.一种基于改进yolov8的低照度航天器特征部件检测方法，用于对航天器的特征部件进行检测，其特征在于，使用pca的图像增强方法对低照度环境下的航天器图像进行数据增强，使目标检测对光照条件较差的数据具有较高的处理能力；具体包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：所述步骤(2)中使用基于pca的图像增强方法对低照度航天器特征部件图像数据进行优化；其中，结合retinex的反射系数，观测到的图像是一个二维信号，表示为i(x,y)，其值为图像在现有坐标点(x,y)处的亮度值，二维信号看作是照度l(x,y)和反射系数r(x,y)的组合，即:
3.根据权利要求2所述的方法，其特征在于：所述步骤(2)具体为：首先，将输入的图像rgb调整为色调、饱和度和值hsv空间；然后，为了计算图像的反射模型，对照度进行提取；为此，利用加权...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。