Spacecraft Recovery & Remote Sensing, Volume. 46, Issue 1, 21(2025)
Parameter Identification of Parachute Inflation Phase Based on YOLO
Figures & Tables(22)
![[in Chinese]](/Images/icon/loading.gif){kind=icon}
Table 1. Advantages and disadvantages of two segmentation algorithm
View tableView in ArticleTable 1. Advantages and disadvantages of two segmentation algorithm
特性 传统分割算法 YOLOv8实例分割 普适性 传统算法通常具有明确的物理意义和直观的解释性，易于理解和实现。然而，传统算法的普适性较差，对于不同类型的图像或任务可能需要设计不同的算法和参数 YOLOv8作为一种深度学习模型，具有较强的学习和泛化能力，通过调整模型参数和训练数据，可以适应不同场景下的实例分割任务。然而，YOLOv8需要大量的训练数据和计算资源来训练和优化模型 实时性 传统算法通常计算简单、运算效率较高，能够在较低性能的硬件上运行。对于复杂图像或需要高精度分割的场景，传统算法通常需要多次迭代或优化参数，从而影响处理速度 YOLOv8的处理速度非常快，可以达到每秒处理数百张图像，其计算复杂度和模型参数数量也相对较高，一般需要在高性能硬件上运行才能充分发挥其性能 准确性 在处理特定类型的图像时具有较高的精度，通常依赖于图像的局部特征或预设规则，难以处理复杂多变的场景 在复杂条件下可以实现较高精度的分割，但受到训练数据品质、模型复杂度等因素的影响 可扩 展性 传统算法通常代码简洁、结构清晰，易于维护和调试。用户可以根据需要修改算法参数或逻辑以适应新场景或任务，但是，部分情况中需要重新结合不同的算法来实现满意的分割效果 YOLOv8作为一种深度学习框架，具有良好的可扩展性和可维护性。用户可以根据自己的需求添加新的模块或功能，并对模型进行持续优化和更新
Table 2. Configuration of the experimental platform
View tableView in ArticleTable 2. Configuration of the experimental platform
项目 配置 操作系统 Windows 11 显卡 GeForce RTX 4060 CUDA 12.3.1 Python 3.8.8 深度学习框架 Pytorch 2.4.0
Table 3. The dimensions of the ring-sail parachute
View tableView in ArticleTable 3. The dimensions of the ring-sail parachute
结构名称 伞衣幅总长hg 伞衣幅上宽lu 伞衣幅下宽ld 环高hr 帆高h s 结构尺寸/mm 3 970 52 989 1 640 2 250
Table 4. Key parameters for accuracy verification
View tableView in ArticleTable 4. Key parameters for accuracy verification
关键参数 第2环 第3环 第4环 比例因子/mm 0.0155 0.0152 0.0148 像素点/个 395.2 564.5 726.9 辨识长度/mm 6.1256 8.5805 10.7587 理论长度/mm 6.072 8.544 10.896 相对误差/% 0.883 0.427 −1.26
Tools
Get Citation
Copy Citation Text
Ce LU, Zhuangzhi WU, Xiaopeng XUE, Kang LIU, Wei RONG. Parameter Identification of Parachute Inflation Phase Based on YOLO[J]. Spacecraft Recovery & Remote Sensing, 2025, 46(1): 21
Paper Information
Category:
Received: Oct. 16, 2024
Accepted: --
Published Online: Apr. 2, 2025
The Author Email:
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20