关键词：深度学习 yolov3 红外图像 检测系统 军事目标 

摘要：针对未来战场感知体系的自动化和智能化的需求,设计出了一种基于深度学习的战场红外目标检测系统。近年来随着深度卷积神经网络在图像识别领域的广泛应用,因此将这项新技术应用于军事目标检测具有极强的现实意义。系统通过红外成像机芯采集红外图像,使用图像采集卡实时传输图像数据,最后在主机端利用深度卷积神经网络进行目标检测。以YOLOv3算法作为基础,以某款金属车辆模型为例,采集该型车辆的红外图像数据并制作相应的数据集,训练得到相应的检测内核。通过实验证明,检测速度可达在30帧/秒以上,且在fps达到30的前提下平均识别精度达到70%以上,不仅具有很好的实时性、准确性,对各种环境变化具有较好的鲁棒性,验证了该系统的可行性和军事应用价值。

电子设计工程杂志要求:

{1}摘要直接概括论文的学术观点和结论，一般不超过300字。

{2}来稿应具有原创性，内容符合本单位保密规定。论文的主要研究工作应由作者独立完成，引用他人成果时，须按《著作权法》中的有关规定标明其出处，由此引发的一切著作权责任由作者自负。

{3}本刊对来稿保留修改权，不同意者请预先声明。

{4}参考文献按引文先后在文中标出序号，并与文后参考文献序号一致，参考文献著录项目要齐全。

{5}静态图:图或照片应另附于文后,分别按其在正文中出现的先后次序连续编码。图题和图说明应简洁明确,具有自明性。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社