機場道面表面健康狀態智能檢測技術 馬濤 張偉光 童崢 9787030760357 【台灣高等教育出版社】

*書籍均為代購，我們向大陸付款發訂後即無法取消，為避免造成不必要的損失，
下訂前請慎重考慮！下訂前請慎重考慮！謝謝。
*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202507*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：機場道面表面健康狀態智能檢測技術
ISBN：9787030760357
出版社：科學
著編譯者：馬濤 張偉光 童崢
頁數：243
所在地：中國大陸 *此為代購商品
書號：1741238
可大量預訂，請先連絡。

內容簡介
機場道面作為整個機場的重要基礎設施，是關係飛機能否安全起降的關鍵環節，機場道面的服務質量水平也是各國機場在建設時期和運營時期特別關注的問題。《機場道面表面健康狀態智能檢測技術》針對機場道面的外來物、表面病害、抗滑性能、積水積冰積雪等與道面服務質量水平相關的關鍵因素，介紹了機場道面外來物檢測技術、基於圖像處理技術的機場道面裂縫快速檢測技術、基於道面三維紋理的機場道面抗滑性能評價技術、機場道面雨雪冰狀態檢測與預警技術，為機場道面健康狀態數字化檢測與智能化管養提供技術支撐，從機場道面檢測層面支撐交通強國的發展戰略。

目錄

目錄

第1章 緒論 1
1 1 機場外來物 2
1 2 機場道面表面病害 3
1 3 機場道面抗滑性能 5
1 4 機場道面積水積冰積雪 6
參考文獻 7
第2章 機場道面外來物檢測技術研究綜述 9
2 1 機場道面外來物檢測概述 9
2 2 機場道面外來物檢測方法 10
2 2 1 基於雷達-光電混合技術的外來物檢測方法 10
2 2 2 基於光電技術的傳統圖像處理外來物檢測方法 10
2 2 3 基於深度學習的外來物檢測方法 11
2 3 機場道面外來物檢測研究趨勢 12
參考文獻 13
第3章 機場道面外來物實時檢測技術 14
3 1 基於視頻方法的外來物檢測技術 14
3 1 1 外來物實驗數據采集 16
3 1 2 機場外來物圖像識別技術 17
3 2 基於線結構光的外來物檢測技術 23
3 2 1 測量原理 23
3 2 2 測量方法 24
3 2 3 三維測量系統的自動標定 25
3 2 4 斷面標準輪廓提取技術 26
3 2 5 異物特徵知識庫建立與完善 27
3 2 6 基於機場道面輪廓的異物檢測技術 27
3 2 7 基於線結構光的機場道面異物檢測結果及分析 29
3 3 徐州觀音國際機場現場驗證 31
3 3 1 機場外來物防範工作調研 31
3 3 2 現場數據采集前期準備 34
3 3 3 數據采集 36
3 3 4 圖像分析與檢測 37
3 3 5 道面異物尺寸與位置計算 39
3 3 6 道面異物危險等級及預警 40
參考文獻 41
第4章 機場道面多尺度表面病害檢測技術研究綜述 43
4 1 機場道面表面病害檢測概述 43
4 2 基於目標檢測模型的路面病害區域級識別 45
4 2 1 Faster R-CNN 45
4 2 2 YOLO v3模型 51
4 2 3 YOLO v4模型 56
4 3 基於語義分割模型的路面病害像素級識別 63
4 3 1 U-Net模型 63
4 3 2 SegNet模型 66
4 3 3 PSPNet模型 68
4 4 機場道面表面病害檢測技術研究趨勢 68
參考文獻 69
第5章 機場道面裂縫快速檢測與高清辨識技術 70
5 1 道面病害圖像增強方法 71
5 1 1 基於幾何變換的數據增強方法 71
5 1 2 基於生成對抗網絡的數據增強方法 73
5 1 3 生成模型和判別模型 74
5 1 4 激活函數特性分析 75
5 2 基於深度卷積生成對抗網絡的道面裂縫圖像生成 78
5 2 1 DCGAN模型結構設計 78
5 2 2 損失函數的選擇 81
5 2 3 生成對抗網絡模型評價指標 83
5 2 4 網絡模型試驗環境搭建 84
5 2 5 訓練結果分析 85
5 3 道面病害分割模型 87
5 3 1 模型構建與改進 88
5 3 2 數據集構建 89
5 3 3 參數設置 89
5 3 4 評價指標 91
5 3 5 裂縫圖像語義分割訓練 92
5 3 6 解碼結構對圖像語義分割的影響 93
5 4 基於Faster R-CNN的裂縫目標檢測和特徵提取 98
5 4 1 Faster R-CNN結構 99
5 4 2 目標檢測數據集的製作 100
5 4 3 評價指標 102
5 4 4 試驗分析 102
5 5 道面狀況評價 104
5 5 1 道面裂縫檢測結果的幾何特徵提取 104
5 5 2 線性裂縫的長寬計算 105
5 5 3 網狀裂縫的面積和塊度計算 107
5 5 4 實測分析 108
5 5 5 機場道面表觀損壞狀況評價 110
5 5 6 剛性道面狀況指數及計算 110
參考文獻 112
第6章 基於InSAR 的道面不均勻沉降監測 113
6 1 機場道面不均勻沉降概述 113
6 2 衛星沉降監測技術國內外研究現狀 114
6 3 InSAR技術原理 115
6 3 1 PS-InSAR技術原理 115
6 3 2 SBAS-InSAR技術原理 117
6 4 現場數據采集方法 118
6 4 1 研究區域概況 118
6 4 2 數據采集 118
6 5 數據處理方法 120
6 5 1 數據裁剪 120
6 5 2 連接圖生成 120
6 5 3 地理編碼 120
6 5 4 檢測精度分析 121
參考文獻 121
第7章 機場道面抗滑性能檢測與評價研究綜述 123
7 1 飛機輪胎-機場道面摩擦機制 123
7 2 機場道面摩擦特性檢測方法 126
7 3 機場道面摩擦特性評價方法 127
7 4 基於三維機器視覺檢測技術的抗滑性能檢測技術 130
7 4 1 近景攝影測量技術 131
7 4 2 三維激光掃描技術 132
7 5 表面紋理特性與表面抗滑性能的關係 134
參考文獻 135
第8章 基於道面三維紋理的機場道面抗滑性能評價技術 137
8 1 道面三維紋理採集與模型重構 137
8 1 1 近景攝影測量技術 137
8 1 2 道面三維紋理採集 143
8 1 3 道面三維紋理模型重構 144
8 2 道面三維紋理指標計算 147
8 2 1 道面三維紋理指標的選取 147
8 2 2 道面紋理構造特徵指標計算 150
8 2 3 道面表面紋理構造評價指標的準確性驗證 152
8 3 飛機輪胎/道面接觸動摩擦係數計算方法 154
8 3 1 基於Persson 摩擦模型的動摩擦係數求解 154
8 3 2 動摩擦係數計算有效性驗證 159
8 4 機場道面抗滑性能快速檢測工況研究 161
8 4 1 快速檢測設備平臺 161
8 4 2 基於改進的維納濾波降噪的快速檢測圖像處理方法 163
8 4 3 徐州觀音國際機場現場驗證 167
參考文獻 175
第9章 機場道面雨雪冰狀態檢測與預警研究綜述 176
9 1 道面狀態檢測方法研究現狀 177
9 2 道面雨雪冰狀態識別研究現狀 177
9 3 道面雨雪冰厚度檢測研究現狀 182
9 4 道面雨雪冰狀態預警研究現狀 183
9 5 國內外研究現狀評述 184
參考文獻 185
第10章 機場道面雨雪冰狀態檢測與預警技術研究 186
10 1 多工況道面狀態圖像採集與處理 186
10 1 1 圖像數據獲取 186
10 1 2 檢測車採集數據 186
10 1 3 人工圖像採集 188
10 1 4 公開數據集 189
10 2 數據標注及預處理 191
10 2 1 圖像數據標注 191
10 2 2 圖像預處理 191
10 3 基於目標檢測模型的道面狀態識別 193
10 3 1 YOLO v5 193
10 3 2 YOLO v8 194
10 3 3 MobileNet v3 197
10 3 4 識別評價指標 198
10 4 道面狀態識別結果分析 198
10 4 1 訓練過程 198
10 4 2 典型結果 200
10 5 基於深度學習的道面雨雪冰狀態像素級分割 203
10 5 1 語義分割任務 203
10 5 2 改進的E-YOLO 模型 205
10 5 3 數據集構建及標注 207
10 5 4 道面雨雪冰分割結果分析 209
10 6 基於多目視覺的道面雨雪冰厚度精細化檢測 214
10 6 1 多目視覺數據獲取 214
10 6 2 三維點雲數據生成 216
10 6 3 表面積雪厚度計算 220
10 6 4 機場道面工程驗證 224
10 7 機場道面雨雪冰狀態評價與預警 232
10 7 1 道面狀態影響因素分析 233
10 7 2 道面雨雪冰狀態評價指標 236
10 7 3 道面雨雪冰狀態識別與預警系統 240
參考文獻 242

精彩書摘
第1章 緒論
2022年5月發佈的《2021年民航行業發展統計公報》中顯示，2021年民航行業完成運輸總周轉量856 75億噸公里，比2020年增長7 3%（圖1 1）。國內航線完成運輸總周轉量641 14億噸公里，比2020年增長9 1%；國際航線完成運輸總周轉量215 61億噸公里，比2020年增長2 3%。
圖1 12017～2021年民航運輸總周轉量
隨著周轉量和機場數量的增加，我國對民航的發展提出了更高要求，《”十四五”民用航空發展規劃》提出進一步的發展預期指標：民用機場數量從2020年的580個提升至2025年的770個；運輸總周轉量從2020年的799億噸公里提升至2025年的1750億噸公里；保障起降架次從2020年的905萬架次提升至2025年的1700萬架次。與此同時，要致力於構建一流的民航安全體系：樹立民航系統安全觀，正確處理安全和發展的關係，圍繞運行、空防、適航、信息等民航安全鏈條，系統提升理論創新能力、風險防控能力、依法監管能力、安全保障能力和科技支撐能力，持續提升民航安全總體水平。
機場道面作為整個機場的重要基礎設施，是關係飛機能否安全起降的關鍵環節，機場道面的服務質量水平也是各國機場在建設時期和運營時期特別關注的問題。國際民用航空組織2018～2020年的統計數據表明，民用飛機在起飛、*終進場著陸階段發生的事故數量占事故總數的23%。其中，與道面相關的核心內容包括外來物、表面病害、抗滑性能、積水積冰積雪等。
1 1機場外來物
機場外來物指的是任何不屬_xFFFF_機場但出現在機場運行區域並可能對機場造成損失或者對飛行器造成損害的外來物品，機場外來物的英文為foreign object debris（FOD）[1]，可以是任何人工物件、動物、植物，甚至雷電等任何不屬_xFFFF_機場道面本身的異物。外來物的另一種解釋是foreign object damage，指的是由機場外來物入侵事件而導致的損失。
機場外來物來源種類繁雜，主要分為機場道面外來物和機場淨空區外來物，其不確定性侵擾可能會造成航空器的損傷，甚至威脅機場工作人員和乘客的生命安全。同時，雖然機場外來物入侵事件發生頻繁，但由於外來物出現的情況難以預估，甚至難以界定外來物損傷是在起飛、降落或空中航行的哪個階段發生的，因此多數情況下機組人員無法定量分析外來物造成的損傷。在1992～1998年，美國航空運輸協會統計了旗下成員航空公司報告的外來物損傷事件，其中不明外來物占總數的73 4%，野生動物占總數的12 7%，冰和硬物體占總數的10 2%，軟物體占總數的3 4%，雷擊占總數的0 3%。
1996年美國航空運輸協會一份關於外來物損失的報告顯示，各航空公司每年因外來物帶來的損失平均約740萬美元，所有成員航空公司每年損失平均約1 7億美元，其中發動機損傷約7200萬美元。考慮到數以千計的全球航空製造商、商用飛機和私人飛機運營者，全球航空界的外來物損傷損失可能接近40億美元。
傳統的機場外來物檢測及處置方式主要依賴人工巡檢，巡檢人員每天多次採用步行或駕車的方式，通過肉眼進行外來物排查，具有識別效率低下（步行時，覆蓋面小）、遺漏率高（主要發生在駕車過程中，車速過快、人眼疲勞等）、實時性差、巡檢期間需關停跑道等不足。隨著機場跑道繁忙程度的迅速提高，人工檢測的窗口期縮短，急需更高效、更準確的機場外來物檢測方法，並開發低成本、智能化、高準確率的機場外來物檢測技術。
外來物檢測技術主要分為三種，即基於毫米波雷達技術、基於光電技術和基於雷達-光電混合技術[2]。機場外來物檢測與識別系統主要是利用上述三種外來物檢測原理，對機場外來物進行圖像採集，實現機場外來物的檢測、定位、識別、報警等功能。目前國外已成功研製出相應的機場外來物檢測與識別系統，可檢測外來物並進行定位[3]，同時對目標進行識別

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。