一种用于机场跑道异物检测和道面检测的设备及方法

1.本发明涉及机场道面检测技术领域，具体而言，涉及一种用于机场跑道异物检测和道面检测的设备及方法。


背景技术：

2.随着经济的快速发展，生活水平的不断提高，乘坐飞机出行已成为众多人的选择。因此，飞机的飞行安全日益受到人们的关注。机场跑道的异物检测和路面状况检测是关乎飞机起飞、降落安全性的最重要的两个方面。机场跑道异物简称fod(foreignobjectdebris)，是指机场跑道上一切损害飞机安全的外来物，包括飞机和发动机连接件(螺帽、螺钉、垫圈、保险丝等)、机械工具、飞行物品(钉子、私人证件、钢笔、铅笔等)、野生动物、树叶、石头和沙子、道面材料、木块、塑料或聚乙烯材料、纸制品和运行区的冰碴儿等。机场道面上的fod很容易被发动机吸入，使发动机失效甚至燃烧，对于飞机的飞行安全和乘客的生命财产安全的危害是非常严重的。另一方面，机场道面长期在荷载的反复作用下，处于应力应变交迭变化状态，久而久之会出现裂纹、破损等情况，对飞机的起飞降落造成影响。
3.实际生活中，机场普遍通过人力巡逻车对机场跑道进行fod检测和路面状况检测，但是使用人力巡逻车对跑道地面进行检查时，可能出现遗漏、疏忽，以及巡逻车自身掉落的障碍物通常不易被自身所观察到，且通常是定期检测，间隔时间长，数据的实时性较弱。


技术实现要素：

4.本发明的目的在于提供一种用于机场跑道异物检测和道面检测的设备及方法，其能够对机场跑道异物进行实时有效的检测，并能对机场跑道的道面健康状况进行监测，在减轻工作人员工作量的同时，也能提高飞机在起飞降落时的安全性。
5.本发明的实施例是这样实现的：
6.第一方面，本技术实施例提供一种用于机场跑道异物检测和道面检测的设备，其包括多个间隔设置在机场跑道两侧的检测单元，检测单元通过无线传感器网络与监测终端连接，上述检测单元包括：设于道面上的红外发射器、红外接收器、红外摄像机和处理器，埋设于道面下的振动传感器，上述红外发射器、红外接收器、红外摄像机和振动传感器均与上述处理器连接；
7.上述红外发射器用于周期性向外辐射红外光线；
8.上述红外接收器用于接收跑道异物反射的红外光线和环境光中的红外光线并处理得到红外光线的能量数据传输给上述处理器进行分析；
9.上述红外摄像机用于采集包含跑道异物的道面的红外图像，并将红外图像传输给上述处理器进行分析识别；
10.上述振动传感器用于检测道面的振动频率，并将振动频率数据传输给上述处理器；
11.上述处理器用于根据接收到的红外光线的能量数据和红外图像分析确定是否检测到跑道异物以及跑道异物的类型，根据接收的振动频率数据判断道面是否异常并生成结果信号，通过无线传感器网络将结果信号发送给监测终端。
12.基于第一方面，在本发明的一些实施例中，上述红外接收器包括第一红外接收器和第二红外接收器；
13.上述第一红外接收器接收到的第一红外光线包括跑道异物反射上述红外发射器向外辐射的红外光线得到的反射光线和环境光中的红外光线；
14.上述第二红外接收器接收到的第二红外光线为环境光中的红外光线；
15.上述处理器用于判断上述第一红外光线与第二红外光线的能量差值是否大于预设的阈值，若是，则确定检测到跑道异物并生成异物信号。
16.基于第一方面，在本发明的一些实施例中，上述设备还包括与上述处理器连接的声音发射装置，上述声音发射装置用于基于声学参量阵技术模拟不同频率的超声波。
17.第二方面，本技术实施例提供一种用于机场跑道异物检测和道面检测的方法，其包括：
18.步骤s1：控制红外发射器周期性地向外辐射红外光线；
19.步骤s2：获取由第一红外接收器接收到的第一红外光线和第二红外接收器接收到的第二红外光线的能量数据，由红外摄像机采集到的包含跑道异物的道面的红外图像以及由振动传感器检测到的振动频率数据；
20.步骤s3：判断上述第一红外光线与第二红外光线的能量差值是否大于预设的阈值，若是，则确定检测到跑道异物并生成异物信号，若否，则生成无异物信号；
21.步骤s4：对红外图像进行处理和识别，确定跑道异物的类型并生成异物分类结果信号；
22.步骤s5：判断上述振动频率数据是否超过预设的安全振动频率阈值，若是，则生成道面异常信号，若否，则生成道面正常信号；
23.步骤s6：将生成的异物信号、无异物信号、异物分类结果信号、道面异常信号和道面正常信号通过无线传感器网络发送给监测终端。
24.基于第二方面，在本发明的一些实施例中，上述判断第一红外光线与第二红外光线的能量差值是否大于预设的阈值的步骤具体包括：
25.获取表示上述第一红外光线的能量值的接收电压值以及表示上述第二红外光线的能量值的参考电压值；
26.判断上述接收电压值是否大于上述参考电压值，若是，则确定检测到跑道异物并生成异物信号，若否，则生成无异物信号。
27.基于第二方面，在本发明的一些实施例中，上述对红外图像进行处理和识别，确定跑道异物的类型并生成异物分类结果信号的步骤包括：
28.对红外图像进行处理，得到对应的视觉显著性区域图像；
29.利用lcm算法对视觉显著性区域图像进行处理，得到局部对比度图像；
30.将局部对比度图像进行自适应阈值分割，得到异物检测结果图；
31.对异物检测结果图进行识别，确定跑道异物的类型并生成异物分类结果。
32.基于第二方面，在本发明的一些实施例中，上述对红外图像进行处理，得到对应的
视觉显著性区域图像的步骤具体包括：
33.对红外图像进行灰度化处理，得到灰度化图像；
34.根据灰度化图像计算并得到基于图像熵的区域显著性图像和基于局部相似性的区域显著性图像；
35.将基于图像熵的区域显著性图像和基于局部相似性的区域显著性图像进行融合，得到视觉显著性区域图像。
36.基于第二方面，在本发明的一些实施例中，上述根据灰度化图像计算并得到基于图像熵的区域显著性图像的步骤具体包括：
37.计算灰度化图像中每个像素点(x,y)的信息熵h(x,y)，得到灰度化图像对应的信息熵图，计算公式为：其中，ω(x,y)表示像素点(x,y)周围的一个局部区域，将该局部区域内的像素值投影到k个区间上，pb(x,y)表示像素值处于区间b的概率；
38.将信息熵图进行二值化处理，得到基于图像熵的区域显著性图像。
39.基于第二方面，在本发明的一些实施例中，上述根据灰度化图像计算并得到基于局部相似性的区域显著性图像的步骤具体包括：
40.将灰度化图像划分成若干个大小相同的区域；
41.沿水平方向计算每相邻两个区域之间的相似性值，并依次判断相似性值是否高于预设的标准值，若是，则将该两个区域标记为不显著区域，若否，则将该两个区域标记为显著区域，得到水平区域显著性图像；
42.沿垂直方向计算每相邻两个区域之间的相似性值，并依次判断相似性值是否高于预设的标准值，若是，则将该两个区域标记为不显著区域，若否，则将该两个区域标记为显著区域，得到垂直区域显著性图像；
43.将水平区域显著性图像和垂直区域显著性图像进行融合，得到基于局部相似性的区域显著性图像。
44.基于第二方面，在本发明的一些实施例中，上述沿水平方向计算每相邻两个区域之间的相似性值的步骤包括：
45.按照公式计算相邻两个区域之间的相似性值，其中，ρ
ω1，ω2
表示ω1，ω2两个区域的相似性，f
ω1
(x,y)表示ω1区域中的像素值，f
ω2
(x,y)表示ω2区域中的像素值。
46.相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
47.第一方面，本技术实施例提供一种用于机场跑道异物检测和道面检测的设备，通过间隔设置在机场跑道两侧的多个检测单元对机场跑道上的异物进行实时有效的检测，并能对异物进行识别分类，同时，通过检测单元中埋设于道面下的振动传感器能够对机场跑道的道面健康状况进行监测，然后将相关的检测结果信号通过无线传感器网络传输给远程监测终端，工作人员即可根据每个检测单元的反馈结果对机场跑道的整体情况进行综合考虑，若发现问题则及时采取相应措施，以保证机场跑道适合安全飞行。整体而言，该设备能
够对机场跑道异物和道面的健康状况进行实时有效的监测，在减轻工作人员工作量的同时，也能提高飞机在起飞降落时的安全性。
48.第二方面，本技术实施例提供一种用于机场跑道异物检测和道面检测的方法，通过对获取的第一红外光线和第二红外光线的能量数据进行处理和判断，确定是否检测到跑道异物并生成相应的结果信号，同时，通过对包含跑道异物的道面的红外图像进行目标检测和识别，确定跑道异物的类型并生成相应的结果信号，另外，还通过对道面的振动频率数据进行分析和判断，确定道面是否出现异常并生成相应的结果信号，最后，将所有相关的结果信号传输给远程监测终端，实现对机场跑道异物和道面健康状况的实时监测。
附图说明
49.为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
50.图1为本发明实施例提供的一种用于机场跑道异物检测和道面检测的设备的位置分布示意图；
51.图2为本发明实施例提供的一种用于机场跑道异物检测和道面检测的方法的流程图；
52.图3为本发明实施例提供的一种用于机场跑道异物检测和道面检测的方法中对红外图像进行处理和识别，确定跑道异物的类型并生成异物分类结果信号的步骤的具体流程图；
53.图4为本发明一实施例中机场跑道异物的示意图；
54.图5为本发明一实施例中对红外图像进行处理后得到的异物检测结果图。
具体实施方式
55.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。
56.因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
57.实施例
58.下面结合附图，对本技术的一些实施方式作详细说明。在不冲突的情况下，下述的各个实施例及实施例中的各个特征可以相互组合。
59.第一方面，请参照图1，图1所示为本技术实施例提供的一种用于机场跑道异物检测和道面检测的设备的位置分布示意图。该设备包括多个间隔设置在机场跑道两侧的检测单元，检测单元通过无线传感器网络与监测终端连接，上述检测单元包括：设于道面上的红
外发射器、红外接收器、红外摄像机和处理器，埋设于道面下的振动传感器，上述红外发射器、红外接收器、红外摄像机和振动传感器均与上述处理器连接；
60.上述红外发射器用于周期性向外辐射红外光线；
61.上述红外接收器用于接收跑道异物反射的红外光线和环境光中的红外光线并处理得到红外光线的能量数据传输给上述处理器进行分析；
62.上述红外摄像机用于采集包含跑道异物的道面的红外图像，并将红外图像传输给上述处理器进行分析识别；
63.上述振动传感器用于检测道面的振动频率，并将振动频率数据传输给上述处理器；
64.上述处理器用于根据接收到的红外光线的能量数据和红外图像分析确定是否检测到跑道异物以及跑道异物的类型，根据接收的振动频率数据判断道面是否异常并生成结果信号，通过无线传感器网络将结果信号发送给监测终端。
65.在本实施例所提供的技术方案中，可以在机场跑道两边间隔设置多个检测单元，例如每隔50m设置一个检测单元。每个检测单元可对其邻近区域内的跑道异物和道面健康状况进行监测，并将相关的检测结果数据通过无线传感器网络传输到远程监测终端，由监测终端根据每个检测单元的检测结果数据对机场跑道的整体情况进行综合考虑，若发现问题则发出警报信号提醒工作人员及时采取相应措施，以保证机场跑道适合安全飞行。进一步地，每个检测单元都具有自己的id号，在通过无线传感器网络节点传输检测结果数据时，同时将id号传送以使监测终端能够识别不同检测单元的检测结果数据，并根据id号锁定出现问题的区域，以便工作人员及时进行处理，提高障碍清除效率。
66.具体的，由处理器控制红外发射器周期性地向外辐射红外光线，然后通过红外接收器接收反射的红外光线，并进行相应处理得到红外光线的能量数据传输给处理器，处理器根据反射得到的红外光线能量数据分析，判断出跑道上是否存在异物。此外，也可以根据红外光线的反射时间对道面异物进行检测(由于射出的红外光线在遇到异物后反射时间会出现明显的变化，通过将实际的反射时间与标准的预设时间阈值进行分析对比，即可判断出跑道上是否存在异物)。若检测出跑道上存在异物，则处理器通过接收由红外摄像机采集的包含跑道异物的道面的红外图像，对红外图像进行处理和识别，确定跑道异物的类型并生成相应的检测结果信号。同时，当有飞机飞过跑道时，埋设于道面下的振动传感器能够对道面的振动频率进行检测，并将道面的振动频率数据发送给处理器，处理器通过将振动频率数据与预设的安全振动频率阈值进行比较，判断道面是否正常并生成相应的检测结果信号。最后，处理器通过无线传感器网络将相关的检测结果信号发送给远程监测终端，由监测终端根据每个检测单元的检测结果信号对机场跑道的整体情况进行综合考虑。
67.示例性的，可以直接通过机场跑道两侧的路灯的供电系统对上述设备进行供电，节省空间。另外，上述处理器可以是一种集成电路芯片，具有信号处理能力。该处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processing，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
68.基于第一方面，在本发明的一些实施例中，上述红外接收器包括第一红外接收器和第二红外接收器；
69.上述第一红外接收器接收到的第一红外光线包括跑道异物反射上述红外发射器向外辐射的红外光线得到的反射光线和环境光中的红外光线；
70.上述第二红外接收器接收到的第二红外光线为环境光中的红外光线；
71.上述处理器用于判断上述第一红外光线与第二红外光线的能量差值是否大于预设的阈值，若是，则确定检测到跑道异物并生成异物信号。
72.在本实施例所提供的技术方案中，任意一个检测单元的第一红外接收器接收到的第一红外光线包括跑道异物反射的红外发射器发射出的红外光线得到的反射光线和环境光中的红外光线，第二红外接收器接收到的第二红外光线为环境光中的红外光线，处理器通过计算第一红外光线和第二红外光线的能量差值，并将能量差值与预设的阈值进行比较，当能量差值大于预设的阈值时，则判断出该检测单元对应的跑道区域内存在异物；当能量差值小于预设的阈值时，则判断出该检测单元对应的跑道区域内不存在异物。同时，将判断得到的结果数据通过无线传感器网络传输给远程监测终端进行综合判断。
73.基于第一方面，在本发明的一些实施例中，上述设备还包括与上述处理器连接的声音发射装置，上述声音发射装置用于基于声学参量阵技术模拟不同频率的超声波。
74.在本实施例所提供的技术方案中，由于实际生活中，飞机跑道平坦宽敞，部分鸟类会在跑道领空区域内飞行、筑巢，而这可能对飞机的安全飞行造成影响，所以可以在设备上安装声音发射装置，通过其发射出不同频率的超声波，模拟鸟类天敌的声音，以达到驱鸟的目的。
75.示例性的，可以采用声学参量阵技术来模拟不同频率的超声波。声学参量阵是一种虛拟的阵，是由物理换能器同轴发射的两束不同频率、有限振幅的超声波，在非线性传播的公共区域中相互干涉，而产生的差频波、频波等。从阵的角度来看，这段发生非线性作用的公共区域便认为是差频波与频波的声源发射阵，即声学参量阵。声学参量阵具有很强的尖锐指向性，频带宽，抗噪音，此处用来模拟不同频率的超声波，可以达到驱鸟的目的，保证机场跑道的安全性。
76.第二方面，请参照图2，图2所示为本技术实施例提供的一种用于机场跑道异物检测和道面检测的方法的流程图，该方法包括以下步骤：
77.步骤s1：控制红外发射器周期性地向外辐射红外光线。
78.上述步骤中，处理器上电后可通过处理器控制红外发射器通电工作，该红外发射器可以包括至少一颗红外发光led。
79.步骤s2：获取由第一红外接收器接收到的第一红外光线和第二红外接收器接收到的第二红外光线的能量数据，由红外摄像机采集到的包含跑道异物的道面的红外图像以及由振动传感器检测到的振动频率数据。
80.上述步骤中，第一红外接收器和第二红外接收器可以分别包括至少一颗红外接收led。
81.步骤s3：判断上述第一红外光线与第二红外光线的能量差值是否大于预设的阈值，若是，则确定检测到跑道异物并生成异物信号，若否，则生成无异物信号。
82.上述步骤中，第一红外光线与第二红外光线中都包含环境光中的红外光线，两者
的能量差值即体现在第一红外光线中包含的跑道异物反射的红外发射器发射出的红外光线，所以通过将该能量差值与预设的阈值相比较，即可确定是否检测到跑道异物。需说明的是，该预设阈值可以根据检测的容差需求设置，其中，预设阈值越高，确定检测到障碍物的准确率越高，但同时确定未检测到障碍物的准确率就会有所降低，可根据实际情况进行不同的设置。
83.具体的，首先获取表示上述第一红外光线的能量值的接收电压值以及表示上述第二红外光线的能量值的参考电压值；第一红外接收器和第二红外接收器可以在接收到红外光线的情况下产生光电流，接收到的红外光线的能量越强，光电流越大。因此，可以通过检测第一红外接收器产生的光电流的大小提供表示第一红外光线的能量值的接收电压值，并可以通过检测第二红外接收器产生的光电流的大小提供表示第二红外光线的能量值的参考电压值。然后，判断上述接收电压值是否大于上述参考电压值，若是，则确定检测到跑道异物并生成异物信号，若否，则生成无异物信号；该信号可以是电平信号，例如高电平信号或者低电平信号，高电平信号代表检测到跑道异物，低电平信号则代表未检测到跑道异物。
84.步骤s4：对红外图像进行处理和识别，确定跑道异物的类型并生成异物分类结果信号。具体请参照图3，该步骤具体包括：
85.步骤s4-1：对红外图像进行处理，得到对应的视觉显著性区域图像；
86.请参照图4和图5，上述步骤中，由于机场跑道异物一般比较小，所以采集到的包含跑道异物的道面的红外图像中，需检测的跑道异物目标往往比较弱小，而该异物目标区域往往可以吸引人们的视觉注意力，也就是说，对于人眼而言，弱小的目标区域是红外图像中显著性较高、信息量大的区域。所以可以通过显著性度量的方式，先去除该红外图像中相对不重要的区域，一定程度上抑制背景并突出异物目标，然后再从提取出的显著性区域中去搜寻弱小的异物目标，可有效降低处理器的处理时间，提高整体的运行效率。
87.示例性的，对红外图像进行处理，得到对应的视觉显著性区域图像的步骤具体包括：
88.步骤s4-1-1：对红外图像进行灰度化处理，得到灰度化图像。此步骤中，可以通过对图像进行灰度化处理减少计算量，提高后续图像处理的效率。
89.步骤s4-1-2：根据灰度化图像计算并得到基于图像熵的区域显著性图像和基于局部相似性的区域显著性图像。
90.上述步骤中，计算并得到基于图像熵的区域显著性图像的过程如下：
91.首先，计算灰度化图像中每个像素点(x,y)的信息熵h(x,y)，得到灰度化图像对应的信息熵图，计算公式为：
[0092][0093]
其中，ω(x,y)表示像素点(x,y)周围的一个局部区域，将该局部区域内的像素值投影到k个区间上，pb(x,y)表示像素值处于区间b的概率；
[0094]
然后，将信息熵图进行二值化处理，即可得到基于图像熵的区域显著性图像。
[0095]
基于图像熵的区域显著性图像只考虑了每个区域的灰度统计分布，没有考虑像素的空间分布特性。而在实际的红外图像中，背景往往呈现出一定的空间相似性，这些重复的区域会造成视觉冗余，对于异物的检测和识别是没有意义的，所以需要去除图像中相似的
区域，以更好地度量视觉显著性。
[0096]
计算并得到基于局部相似性的区域显著性图像的过程如下：
[0097]
首先，将灰度化图像划分成若干个大小相同的区域；此步骤中，由于在实际的图像中，具有相似性的区域往往处于较邻近的位置，而非相隔很远，所以可以将图像分割成若干个大小相同的区域，然后沿水平和垂直方向计算相邻两个区域之间的相似性，以去除相似区域。
[0098]
然后，沿水平方向计算每相邻两个区域之间的相似性值，并依次判断相似性值是否高于预设的标准值，若是，则将该两个区域标记为不显著区域，若否，则将该两个区域标记为显著区域，得到水平区域显著性图像；
[0099]
示例性的，可以按照公式计算相邻两个区域之间的相似性值，其中，ρ
ω1，ω2
表示ω1，ω2两个区域的相似性，f
ω1
(x,y)表示ω1区域中的像素值，f
ω2
(x,y)表示ω2区域中的像素值。
[0100]
接着，沿垂直方向计算每相邻两个区域之间的相似性值，并依次判断相似性值是否高于预设的标准值，若是，则将该两个区域标记为不显著区域，若否，则将该两个区域标记为显著区域，得到垂直区域显著性图像；
[0101]
上述步骤中，先沿水平方向计算相似性值，如果两个相邻区域之间的相似性值高于预设的标准值，说明两个区域相似性很强，表现为视觉冗余区域，所以将两个区域的灰度值同时设为0，标记为不显著区域；然后沿垂直方向计算相似性值，如果两个相邻区域之间的相似性值低于预设的标准值，说明两个区域相似性较低，视觉上表现为较大的差异，所以将两个区域的灰度值同时设为1，标记为显著区域。重复此过程，直到每个区域都分别进行了水平和垂直方向显著性度量，得到了对应的水平区域显著性图像和垂直区域显著性图像。
[0102]
最后，将水平区域显著性图像和垂直区域显著性图像进行融合，得到基于局部相似性的区域显著性图像。
[0103]
步骤s4-1-3：将基于图像熵的区域显著性图像和基于局部相似性的区域显著性图像进行融合，得到视觉显著性区域图像。
[0104]
示例性的，融合公式为：其中，rs(x,y)表示视觉显著性区域，表示基于图像熵的显著性区域，表示基于局部相似性的显著性区域。需说明的是，这里得到的视觉显著性区域是以二值图像的形式显示的，1代表该点显著性高，0代表该点显著性低。
[0105]
步骤s4-2：利用lcm算法对视觉显著性区域图像进行处理，得到局部对比度图像；
[0106]
上述步骤中，lcm算法是一种像素级操作，通过计算每个像素点所在区域与周边区域的差异，来突出弱小的异物目标并抑制背景，所以可以通过lcm算法对上述得到的视觉显著性区域图像进行进一步的处理，以得到视觉显著性区域图像所对应的局部对比度图像，该局部对比度图像中像素值最大的位置即为异物目标所在位置。利用lcm算法处理得到局
部对比度图像的原理属于现有技术，此处不再赘述。
[0107]
步骤s4-3：将局部对比度图像进行自适应阈值分割，得到异物检测结果图；
[0108]
上述步骤中，自适应阈值法能根据图像不同区域亮度分布，计算其局部阈值，所以对于图像不同区域，能够自适应计算不同的阈值。通过自适应阈值法计算局部对比度图像中各区域的局部阈值时，局部阈值最大的区域即为需要识别的异物目标区域，然后根据阈值将该图像进行分割，即可得到需要识别的异物目标区域对应的异物检测结果图(如图5所示)。
[0109]
步骤s4-4：对异物检测结果图进行识别，确定跑道异物的类型并生成异物分类结果。
[0110]
上述步骤中，可以利用神经网络模型对异物检测结果图进行识别，确定跑道异物的类型并生成异物分类结果。其中该神经网络模型是通过一系列历史数据(异物类型)训练后得到的可用于异物识别分类的模型，而具体模型构建方法及过程属于现有技术，此处不再赘述。
[0111]
步骤s5：判断上述振动频率数据是否超过预设的安全振动频率阈值，若是，则生成道面异常信号，若否，则生成道面正常信号。
[0112]
上述步骤中，若道面存在裂纹、凹陷等情况，当物体从跑道上快速经过时，道面的振动频率就会发生明显变化，所以可以通过将实时采集到的振动频率数据与预设的安全振动频率阈值相比较，若振动频率数据超过预设的安全振动频率阈值，说明道面存在问题，则生成道面异常信号；若振动频率数据没有超过预设的安全振动频率阈值，说明道面的状况在可控范围内，则生成道面正常信号。然后，将生成的道面异常信号和道面正常信号通过无线传感器网络发送给监测终端，若检测终端收到道面异常信号，则发出警报提醒工作人员及时进行检查和修复，帮助其及时调整飞机起飞和降落的安排策略。并且由于每个检测单元都有自己的id号，所以工作人员可以对发出道面异常信号的检测单元进行快速定位，提高检修效率。
[0113]
步骤s6：将生成的异物信号、无异物信号、异物分类结果信号、道面异常信号和道面正常信号通过无线传感器网络发送给监测终端。
[0114]
上述步骤中，每个检测单元都将其处理得到的相关的检测结果数据通过无线传感器网络发送给监测终端，由监测终端根据每个检测单元的检测结果数据对机场跑道的整体情况进行综合考虑，若发现问题则发出警报信号提醒工作人员及时采取相应措施，以保证机场跑道适合安全飞行。
[0115]
综上所述，一方面，本技术实施例提供一种用于机场跑道异物检测和道面检测的设备，通过间隔设置在机场跑道两侧的多个检测单元对机场跑道上的异物进行实时有效的检测，并能对异物进行识别分类，同时，通过检测单元中埋设于道面下的振动传感器能够对机场跑道的道面健康状况进行监测，然后将相关的检测结果信号通过无线传感器网络传输给远程监测终端，工作人员即可根据每个检测单元的反馈结果对机场跑道的整体情况进行综合考虑，若发现问题则及时采取相应措施，以保证机场跑道适合安全飞行。整体而言，该设备能够对机场跑道异物和道面的健康状况进行实时有效的监测，在减轻工作人员工作量的同时，也能提高飞机在起飞降落时的安全性。另一方面，本技术实施例提供一种用于机场跑道异物检测和道面检测的方法，通过对获取的第一红外光线和第二红外光线的能量数据
进行处理和判断，确定是否检测到跑道异物并生成相应的结果信号，同时，通过对包含跑道异物的道面的红外图像进行目标检测和识别，确定跑道异物的类型并生成相应的结果信号，另外，还通过对道面的振动频率数据进行分析和判断，确定道面是否出现异常并生成相应的结果信号，最后，将所有相关的结果信号传输给远程监测终端，实现对机场跑道异物和道面健康状况的实时监测。
[0116]
在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0117]
另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0118]
以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。
[0119]
对于本领域技术人员而言，显然本技术不限于上述示范性实施例的细节，而且在不背离本技术的精神或基本特征的情况下，能够以其它的具体形式实现本技术。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本技术的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本技术内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。