全文总字数：2259字

1. 研究目的与意义及国内外研究现状

机场跑道异物对飞机在跑道上的起降存在严重安全威胁，轻则中断起飞、航班延误，重则危害生命安全。跑道异物检测与识别系统可以有效地对跑道异物进行检测并识别，并进行报警。

国内外研究现状

国外目前已经研制出相应的机场跑道异物检测系统。其中最具代表性的有四种：英国的Tariser系统、以色列的FODetect系统、新加坡的iFerret系统以及美国的FODFinder系统。FOD检测系统，主要基于光学成像、毫米波雷达成像和红外热成像三种途径对机场跑道异物进行图像采集，实现对目标的发现、定位、识别、跟踪和处理。总体来说，无论是基于红外系统、基于雷达系统还是基于视频系统，国内在跑道异物检测方面的研究依然不够完善。

2. 研究的基本内容

从软件开发和算法研究方面实现对机场跑道异物的检测，通过对深度学习中的卷积神经网络(Convolutional Neural Networks, CNN)的应用，搭建网络模型、训练优化模型，从而完成对机场跑道异物的检测。

3. 实施方案、进度安排及预期效果

基于lenet-5模型搭建异物识别模型，从输入数据预处理，模型参数调整两方面优化模型。

经过改变输入大小、锐化图像等输入预处理操作，准确率提升到了89%。

最又经过更换激活函数、调整dropout，最终准确率提升到了92%。

4. 参考文献

[1]费宁,张浩然.tensorflow架构与实现机制的研究[j/ol].计算机技术与发展,2019(09):1-5.

[2]阮轶磊,张雷,李刚.基于cnn模型的装甲目标的提取与实现[j].科技与创新,2019(07):49-51.

[3]鞠云霞,王希常,陈祥喜,郑伟.基于tensorflow平台的卷积神经网络对omr识别问题研究[j].无线互联科技,2019,16(04):54-57.