改进YOLOv5的闪电哨声波轻量化自动检测模型

• Published in: 空间科学学报 Vol. 44; no. 3; pp. 458 - 473
• Main Authors: 路超, 泽仁志玛, 杨德贺, 孙晓英, 吕访贤, 冉子霖, 申旭辉
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院大学应急管理科学与工程学院 北京 100049%中国科学院大学应急管理科学与工程学院 北京 100049%中国科学院国家空间科学中心 北京 100190 2024; 应急管理部国家自然灾害防治研究院 北京 100085
• Subjects: 张衡一号卫星; CSES; Lightning whistler waves; YOLOv5; Lightweight; 自动检测; 闪电哨声波; 轻量化; Automatic detection
• ISSN: 0254-6124
• DOI: 10.11728/cjss2024.03.2023-0067

P352; 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.