一种基于机器学习的FOD检测算法的制作方法

本发明涉及fod检测，尤其涉及一种基于机器学习的fod检测算法。

背景技术：

1、fod，即可能损伤航空器的某种外来的物质、碎屑或物体，如金属零件、防水塑料布、碎石块、报纸、瓶子、行李牌等，以上统称外来物，对于机场安全运行来说，跑道外来物对飞行安全有着不可忽视的影响。由于机场飞行器使用跑道起降频繁，每进行一次跑道外来物检测将影响多架次航班正常起降，更重要的是依靠人工检测易遗漏异物或检测车辆上掉落外来物，对道面外来物检测有严重缺陷，为此我们提出了一种基于机器学习的fod检测算法。

技术实现思路

1、本发明的目的是为了解决现有技术中存在不能准确检测外来物的缺点，而提出的一种基于机器学习的fod检测算法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种基于机器学习的fod检测算法，包括输入模块、处理模块、存储模块、采集模块、识别模块、显示模块、对比模块、判断模块和报警模块，所述输入模块和处理模块电性连接，所述处理模块和存储模块双向连接，所述采集模块和识别模块电性连接，所述报警模块和处理模块均与识别模块电性连接，所述显示模块和处理模块电性连接，所述判断模块和处理模块均与对比模块电性连接，所述对比模块、存储模块和报警模块均与判断模块电性连接。

4、优选的，所述采集模块包括声音采集单元、影像采集单元。

5、优选的，所述存储模块包括数据输入单元、临时存储单元、永久存储单元和数据输出单元，数据输入单元和临时存储单元电性连接，临时存储单元和永久存储单元电性连接，永久存储单元和数据输出单元电性连接。

6、优选的，所述存储模块上电性连接有查询模块，查询模块与显示模块电性连接。

7、优选的，所述对比模块包括存储信息输入单元、采集信息输入单元、信息对比单元和信息输出单元，存储信息输入单元和采集信息输入单元均与信息对比单元电性连接，信息对比单元和信息输出单元电性连接。

8、优选的，所述数据接收单元与对比模块电性连接，存储模块和报警模块均与数据传送单元电性连接。

9、优选的，所述判断模块包括数据接收单元、数据分类单元和数据传送单元，数据接收单元和数据分类单元电性连接，数据分类单元和数据传送单元电性连接。

10、优选的，所述存储信息输入单元和采集信息输入单元均与处理模块电性连接，信息输出单元与判断模块电性连接。

11、优选的，所述报警模块包括网络连接单元、语音提醒单元和文字提醒单元，语音提醒单元和文字提醒单元均与网络连接单元电性连接。

12、优选的，所述数据输入单元和数据输出单元均与处理模块电性连接。

13、本发明中，所述一种基于机器学习的fod检测算法的有益效果：采集模块的设置能够快速采集机场内的声音与影像，方便收集判断是否存在fod，且能够快速判断是否对飞机有影响，能够提醒机场人员机场内存在异物，进而能够快速处理异物，进而能够提高机场的安全性。

14、本发明能够快速检测机场内的杂物，进而能够全面清理杂物，能够提高机场的安全性，使用简单，操作方便。

技术特征：

1.一种基于机器学习的fod检测算法，包括输入模块、处理模块、存储模块、采集模块、识别模块、显示模块、对比模块、判断模块和报警模块，其特征在于，所述输入模块和处理模块电性连接，所述处理模块和存储模块双向连接，所述采集模块和识别模块电性连接，所述报警模块和处理模块均与识别模块电性连接，所述显示模块和处理模块电性连接，所述判断模块和处理模块均与对比模块电性连接，所述对比模块、存储模块和报警模块均与判断模块电性连接。

2.根据权利要求1所述的一种基于机器学习的fod检测算法，其特征在于，所述存储模块包括数据输入单元、临时存储单元、永久存储单元和数据输出单元，数据输入单元和临时存储单元电性连接，临时存储单元和永久存储单元电性连接，永久存储单元和数据输出单元电性连接。

3.根据权利要求1所述的一种基于机器学习的fod检测算法，其特征在于，所述对比模块包括存储信息输入单元、采集信息输入单元、信息对比单元和信息输出单元，存储信息输入单元和采集信息输入单元均与信息对比单元电性连接，信息对比单元和信息输出单元电性连接。

4.根据权利要求1所述的一种基于机器学习的fod检测算法，其特征在于，所述判断模块包括数据接收单元、数据分类单元和数据传送单元，数据接收单元和数据分类单元电性连接，数据分类单元和数据传送单元电性连接。

5.根据权利要求1所述的一种基于机器学习的fod检测算法，其特征在于，所述报警模块包括网络连接单元、语音提醒单元和文字提醒单元，语音提醒单元和文字提醒单元均与网络连接单元电性连接。

6.根据权利要求2所述的一种基于机器学习的fod检测算法，其特征在于，所述数据输入单元和数据输出单元均与处理模块电性连接。

7.根据权利要求3所述的一种基于机器学习的fod检测算法，其特征在于，所述存储信息输入单元和采集信息输入单元均与处理模块电性连接，信息输出单元与判断模块电性连接。

8.根据权利要求4所述的一种基于机器学习的fod检测算法，其特征在于，所述数据接收单元与对比模块电性连接，存储模块和报警模块均与数据传送单元电性连接。

9.根据权利要求1所述的一种基于机器学习的fod检测算法，其特征在于，所述存储模块上电性连接有查询模块，查询模块与显示模块电性连接。

10.根据权利要求5所述的一种基于机器学习的fod检测算法，其特征在于，所述采集模块包括声音采集单元、影像采集单元。

技术总结
本发明属于FOD检测技术领域，尤其是一种基于机器学习的FOD检测算法，针对现有的不能准确检测外来物的问题，现提出如下方案，其包括输入模块、处理模块、存储模块、采集模块、识别模块、显示模块、对比模块、判断模块和报警模块，所述输入模块和处理模块电性连接，所述处理模块和存储模块双向连接，所述采集模块和识别模块电性连接，所述报警模块和处理模块均与识别模块电性连接，所述显示模块和处理模块电性连接，所述判断模块和处理模块均与对比模块电性连接，所述对比模块、存储模块和报警模块均与判断模块电性连接，本发明能够快速检测机场内的杂物，进而能够全面清理杂物，能够提高机场的安全性，使用简单，操作方便。

技术研发人员：方俊
受保护的技术使用者：杭州立安飞科技有限公司
技术研发日：
技术公布日：2024/1/15