基于机器学习的金属目标物磁探测识别分类技术研究

摘要：

磁探测技术用于金属目标物的探测等领域,具有分辨率高,成本低,操作方便等优点,但磁探测难以实现对探测目标的有效分类,且虚警率较高,使得后续排爆工作仍存在很大难度.本文通过构建典型场景,获取磁力仪探测金属目标物的数据,利用经典机器学习分类方法以及神经网络模型开展对金属目标物的磁探测目标识别分类研究.结果表明,经典机器学习方法的识别分类效果优于深度学习模型,其中随机森林方法效果最好,宏平均正确率达到96％.本文还进一步研究了各项特征对最终分类效果的贡献程度,通过暴力遍历、自编码器、PCA和LDA方法实现特征的提取,从中挖掘出影响识别分类效果的主要特征,通过对比分析发现由第一磁探测器信号数据组成的第一空间特征就可以较为准确的对各类弹药种类进行分类,而第三磁探测器的Z方向数据是对分类结果影响最大的单一特征.研究成果有利于提高磁探测爆炸装置的识别准确率,并可以指导相关探测设备的设计和应用.

关键词：磁探测、金属目标物、机器学习、目标分类

所属期刊栏目：38

分类号：TP181(自动化基础理论)

在线出版日期：2022-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：60-65