某大口径自行加榴炮末敏弹识别模型轻量化研究

末敏弹对地面装甲目标的杀伤威力和命中率极高。有效反末敏弹对降低武器装备战场损失非常重要，识别末敏弹是地面装甲反末敏弹的降本增效的一个重要途径。针对某大口径自行加榴炮面对末敏弹的攻击反应速度慢、传统目标检测算法模型较大、应用于嵌入式硬件平台实时性不高的问题，提出了基于MobileNetV3-small的轻量化神经网络模型，通过标注图片的方法构建伞形目标数据集，优化训练方法，将模型部署于搭载高通骁龙835的嵌入式硬件。实验表明，相较于Yolo-v4-tiny,该模型推理速度提高了7.3帧/s,内存开销降低了716.8 MB,具有较好的实时性，可以在战场中辅助某大口径自行加榴炮及时发现末敏弹的攻击并做出有效反应，提高其战场生存能力。