论文仅供学习参考。 因此本文主要针对机场跑道异物检测系统中可见光摄像机、红外摄像机传感器下 FOD 目标的检测、识别威胁等级估计等方法进行讨论，分析了两种传感器下目标的快速检测与识别算法，重点研究了基于图像视觉特征的 FOD 目标威胁等级估计与告警方法，而基于毫米波雷达信号的 FOD 目标检测与识别算法本文不展开讨论。

针对传统异物识别准确率较低的问题，提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理，并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架，通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数，并针对ReLU激活函数与特征权重进行理论分析。实验结果表明，经过15次迭代训练后，深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力；与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比，所提模型更具有优越性。